本文說明以MATLAB和Simulink進行基於模型的設計訓練與模型評估，如何使用在自動化ML Ops流程，實現(xiàn)一個虛構(gòu)的都會運輸系統(tǒng)預測性維護應用。

當有更多的組織機構(gòu)開始仰賴機器學習應用來協(xié)助處理核心事業(yè)職責，也有許多正在更進一步地審視這些應用的完整生命周期。對機器學習關注焦點已從最初的開發(fā)部署擴展到環(huán)繞著持續(xù)監(jiān)管與更新。輸入資料的改變有可能會降低模型的預測或分類準確性，及時的再訓練與模型評估，有助於產(chǎn)生更好的模型與更精確的決策。

在機器學習的運行（machine learning operations，或ML Ops），開發(fā)的規(guī)劃、設計、建構(gòu)、測試活動與運行時的部署、操作及監(jiān)管活動是以持續(xù)的回????圈連結(jié)在一起（圖1）。許多資料科學團隊已經(jīng)將ML Ops循環(huán)之中的一部分自動化，像是部署及運行。
...
...