在机器学习深入工业界时，实际操作并没有想象中那么简单。要部署任何项目，都需要经过完整的生命周期，而这个周期对于开发机器学习模型至关重要。此文深入全面总结了从零开始到正式上线过程中的所有步骤，并总结了各个步骤的常用工具。谢富治简历
在这个「人人AI」的时代，很多人都会或多或少接触过机器学习（ML）。
似乎每一家需要数据的公司，都在尝试利用人工智能和机器学习来分析他们的业务并提供自动化解决方案。
「《财富》的商业洞察板块(Fortune Business Insights)预计，到2027年，机器学习的市值将达到1170亿美元。」
机器学习的火爆，使得许多没有相关背景的新手也纷纷跨入该行业。当然，这本身确实是一件好事，然而，我们也需要明白，将机器学习项目整合到实际生产环境中，其实远没有想象的那么容易。
图：Algorithmia公司基于750家企业得出的2020企业ML使用状态图像
「Algorithmia公司经过调查表示：55%从事机器学习模型的企业尚未将其投入生产」
在这里可以一提的是，Algorithmia是一家提供简化机器学习的平台的创业公司，它在2017年6月已经从谷歌那里完成了一项价值1050万美元的a轮融资。谢富治简历
许多人似乎认为，如果有了训练模型所需的数据和计算资源，实现机器学习项目是相当简单的。
但是，其实这是大错特错的——
这种假设很可能会导致在没有部署模型的情况下，消耗大量的时间和金钱成本。