DataTalksClub/mlops-zoomcamp

项目概览

无需付费服务即可系统学习完整的 MLOps 核心流程，且包含可用于个人作品集的端到端期末项目。

项目类型

AI 工作流 · 模型运行 · 基础设施

应用场景

学习教育

部署方式

查看项目说明

License

License 待确认

适合谁

• 需要系统学习机器学习模型训练、部署到监控全流程的数据团队成员
• 具备一定编程与命令行基础，希望补充工程化实践经验的软件开发工程师

核心能力

• 介绍实验追踪概念，涵盖 MLflow 基础用法、模型保存与加载机制，以及模型注册表的实际操作。
• 教授如何为机器学习流水线进行工作流编排，帮助学习者理解多步骤任务的调度原理与实现。
• 讲解多种部署策略（在线服务/批处理），涵盖使用 Flask 部署 Web 服务，以及结合 AWS Kinesis 与 AWS Lambda 实现流式部署方案。
• 讲解如何对基于机器学习的服务进行运行监控，涉及工具包含 Prometheus、Evidently、Grafana、Prefect 以及 MongoDB。
• 介绍生产环境中的工程规范，内容涵盖代码测试、代码检查（linting）、格式化、pre-commit 钩子、CI/CD 流水线以及基础设施即代码工具 Terraform 的使用。
• 通过一个期末项目，要求学习者将课程中涉及的各类 MLOps 概念整合在一起，构建出完整的端到端机器学习流水线。

限制与风险

• 根据记录显示，该项目目前没有安排 2026 年的实时同期学习群组（live cohorts）。
• 学习本课程需要具备 Python、Docker 和命令行的基础知识，并且要求至少具有一年以上的编程经验，存在一定的学习门槛。

如何开始

• 学习者可通过查看 GitHub 仓库上的资料开始学习，遇到问题可在 Slack 群组中提问并分享进度，同时需具备 Python、Docker 和命令行操作的前置经验。

核验依据

• GitHub 项目简介: Free MLOps course from DataTalks.Club
• README: MLOps Zoomcamp: A Free 9-Week Course on Productionizing ML Services
• README: This free 9-week course teaches the fundamentals of MLOps, from training and experimentation to deployment and monitoring, through structured modules, hands-on workshops, and a fi…
• README: To get the most out of this course, you should have prior experience with: - Python - Docker - Command line basics - Machine learning (e.g., through [ML Zoomcamp](https://github.c…
• README: - Introduction to experiment tracking - MLflow basics - Model saving and loading - Model registry - Hands-on MLflow exercises - Homework

内容核验时间：