在大数据时代，机器学习（ML）在互联网领域取得了巨大的成功，数据应用也逐渐从“数据驱动”阶段向“模型驱动”阶段跃升，但这也给ML项目落地带来了更大的困难，为了适应时代的发展，MLOps应运而生。本书从多个方面介绍了MLOps实践路径，内容涵盖了设计、构建和部署由ML驱动的应用程序所需的各种实用技能。 《MLOps实践——机器学习从开发到生产（全彩）》适合数据科学家、软件工程师、ML工程师及希望学习如何更好地组织ML实验的研究人员阅读，可以帮助他们建立实用的MLOps实践框架。

8.3.1　运维问题的监控与可观察性

8.3.1　运维问题的监控与可观察性

8.3.1 运维问题的监控与可观察性

8.3.1 运维问题的监控与可观察性

8.3.1　运维问题的监控与可观察性

8.3.1　运维问题的监控与可观察性