MLE 面试中 model productionalization 复习建议

请问一下大家，现在mle 的面试中经常会碰到modeling以外的问题。 有关model productionalization的部分，包括但不限于 automatic model deployment/update，serving speed up, drift detection 等等。貌似市面上ml platform有一套成熟的解决方案做这些事情。但是从面试的角度来说，这块能有什么考点以及该怎么准备呢？感觉很多是工作中的经验但又不是很系统化，不是很好拿来面试。

www.mlebook.com/wiki/doku.php 这书第八九章值得看看 入个门

最近在上一门UCB的full stack DL，觉得还不错，deployment部分楼主可以看看
https://fullstackdeeplearning.com/spring2021/
另外这个blog也可以帮助理解整个flow
https://eng.uber.com/michelangelo-machine-learning-platform/

你部署过Model的话这种应该都会知道吧，如果你是做纯模型的，那可能要和你们的工程组聊聊这方面的了

同关注一下

同关注一下

感觉你谈工作中的非系统化的经验也很好啊，再联合理论聊聊，听起来不是两者都有挺好的啊

mark zszs

感觉非常有用

这其实和deploy 任何app都是一样的： 是cloud还是private data center的server？ 是internal tooling还是customer facing? 一般有多少requests？ 有多少concurrent requests? 需不需要定期refresh? 是stateless还是stateful?

Mark zszs