🔑 名詞卡

模型版本控管（Model Versioning）

🎯 定義

追蹤每次訓練的參數、資料版本與模型成果，以建立可重現性（Reproducibility）的管理機制。是 MLOps 與合規稽核的基礎。

常用工具

工具	定位
MLflow	開源平台，管理機器學習全流程：實驗記錄、模型訓練、部署與版本控制
DVC（Data Version Control）	專為機器學習專案設計的版本控制工具，支援資料集與模型的版本追蹤與再現性

「模型也要有 Git」——差別在於 ML 除了程式碼，還要一起追蹤資料版本＋超參數＋訓練結果三樣東西，才能真正重現一次訓練。

vs 模型服務化的多版本管理：本卡指「訓練歷程的可重現性」；服務化的 Model Versioning 指「線上同時提供多個模型版本供呼叫」，兩者名稱相近但目的不同。
在合規面向，模型版本控管與操作紀錄制度是確保 AI 系統可追溯性的關鍵（見 CH6.4_大數據隱私保護安全與合規）。

📖 課文原文
「模型版本控管（Model Versioning）：透過如 MLflow、DVC 等工具，追蹤每次訓練的參數、資料版本與模型成果，建立可重現性。」