21、机器学习软件开发生命周期的持续集成、部署和训练

机器学习软件开发生命周期的持续集成、部署和训练

1. 概述

AWS 提供了众多与机器学习相关的技术，这些技术的功能往往存在重叠，为用户提供了选择和灵活性。同时，行业中也有许多经过实践检验的流程指南，如 CI/CD，可用于自动化这一过程。不过，无论是 AWS 还是行业标准，都无法直接影响公司的组织结构或应用开发文化，任何改变都需由公司内部推动。

我们的目标是实现机器学习软件开发生命周期（MLSDLC）过程的自动化，了解之前创建的各种工件如何映射到该过程的每个阶段。最终完成一个自动化的端到端 MLSDLC 过程，将网站和年龄计算器模型部署到生产环境，并建立一个框架，以便在代码更改或添加新数据时持续自动化该过程。

2. 技术要求

在开始之前，你需要准备以下工具和资源：
- 一个网络浏览器，推荐使用 Chrome 或 Firefox。
- 访问你一直使用的 AWS 账户。
- 访问一直使用的 Cloud9 开发环境。
- 参考 AWS 免费套餐的使用限制，避免产生不必要的费用。
- 获取本章的源代码示例，可从 GitHub 仓库获取： 源代码仓库

3. 持续集成阶段的编码

在这个阶段，平台团队起着核心作用。他们负责将各个团队提交到源代码仓库的工件集成到整体解决方案中，并验证这些组件是否能按照业务用例协同工作。例如，验证用户能否在网页 UI 中输入鲍鱼属性数据，并将其