本系列文章详细介绍了在 Kubernetes 上创建机器学习流水线。第三部分着重于使用 FastAPI 和 MLflow 部署模型推理服务，该服务建立在第二部分中已建立的 CI 驱动的模型训练之上。前一部分涵盖了使用 Jenkins、MLflow 和 DVC 训练模型，为后续的部署阶段奠定了基础。 AI
影响 详细介绍了部署和训练 ML 模型的基础设施，与 MLOps 工程师相关。
排序理由 该集群描述了一个关于构建 ML 流水线的技术教程系列，属于研发范畴，而非前沿发布或重要的行业事件。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
<div class="medium-feed-item"><p class="medium-feed-image"><a href="https://medium.com/@yuanhuang100/kubernetes-machine-learning-pipeline-part-4-ci-cd-with-jenkins-and-argocd-1d7124fc58d9?source=rss------mlops-5"><img src="https://cdn-images-1.medium.com/max/1280/1*VQCg7WfHcdoN4m…
<div class="medium-feed-item"><p class="medium-feed-image"><a href="https://medium.com/@yuanhuang100/kubernetes-machine-learning-pipeline-part-3-model-inference-service-with-fastapi-and-mlflow-4299f259bd63?source=rss------mlops-5"><img src="https://cdn-images-1.medium.com/max/128…
<div class="medium-feed-item"><p class="medium-feed-image"><a href="https://medium.com/@yuanhuang100/kubernetes-machine-learning-pipeline-part-2-ci-model-training-with-jenkins-mlflow-dvc-and-f707280c6fcb?source=rss------mlops-5"><img src="https://cdn-images-1.medium.com/max/1280/…