🔑 名詞卡
MLOps（Machine Learning Operations，機器學習運維）
🎯 定義
一種將機器學習開發與營運整合的最佳實踐，旨在將模型的建置、部署、監控與修正流程自動化，實現模型全生命週期的高效風險控制。
四大風險監控情境
| 情境 | 說明 |
|---|---|
| 模型漂移監控 | 監控效能下降並追蹤原因（資料變化/環境因素） |
| 資料漂移監控 | 監測資料分佈變化，顯著差異時發出警告 |
| 效能異常警示 | 效能異常（如錯誤率過高）時即時發出警報 |
| 自動重新訓練（Auto-retraining） | 發現效能下降或資料漂移時，自動觸發模型重新訓練 |
記憶技巧
MLOps＝把 DevOps（開發+維運一體化）的精神套用到機器學習模型上，讓模型「自己會監控、自己會回報、自己能重訓」。
易混淆
- vs 單純的模型部署：單純部署只是把模型「上線」；MLOps 強調上線後的持續監控、自動化維護與再訓練，是全生命週期治理而非一次性動作。
📖 課文原文「MLOps（機器學習運維）是一種將機器學習開發與營運整合的最佳實踐，旨在將模型的建置、部署、監控與修正流程自動化，從而實現高效的風險控制。」