今天的企业正在利用机器学习（ML）来改变他们的业务，以形成持久的竞争优势。从医疗保健到运输，从供应链到风险管理，机器学习正在各个行业普及，扰乱市场，重塑商业模式。组织需要所需的技术和工具来构建和部署成功的机器学习模型并以敏捷的方式运行。MLOps是使机器学习项目大规模成功的关键。什么是MLOps？它是数据科学和It团队之间的协作实践，旨在通过模型开发、部署、监视等来加速整个机器生命周期。微软Azure机器学习使公司能够完全接受MLOps实践，并且能够真正地在他们的业务中实现人工智能的潜力。一个很好的例子，客户通过机器学习和MLOps改变他们的业务是TransLink。它们支持温哥华地铁的交通网络，截至2018年，共为4亿名居民和游客提供登机服务。TransLink拥有覆盖1800平方公里的庞大公交系统，客户在很大程度上依赖于准确的公交车发车时间来计划行程。为了提高客户体验，TransLink部署了18000套不同的机器学习模型，以更好地预测公交车发车时间，这些因素包括交通、恶劣天气和其他日程中断等。使用带有Azure机器学习的mlop，他们能够大规模地管理和交付模型。"随着Azure机器学习中的MLOP，TransLink已经将所有模型投入生产，并将预测值提高了74%，因此客户可以在TransLink的网络上更好地规划行程。这使得客户在车站的平均等待时间减少了50%。—TransLink分析与开发总监吴仕文（Sze Wan Ng）。Johnson Controls是另一个大规模使用机器学习操作的客户。130多年来，他们为建筑物生产消防、暖通空调和安全设备。Johnson Controls现在正处于智能城市革命的中间阶段，机器学习是他们设备维护方法的一个核心方面。Johnson Controls运行数千台冷水机，每台都有70种不同类型的传感器，数据流达数兆字节。MLOps通过一个可重复的过程，帮助模型及时投入生产，以提供有关维护例行程序的实时见解。因此，冷水机组停机可以提前几天预测并有效缓解，从而节省成本并提高客户满意度。"使用Azure机器学习中的MLOps功能，我们能够将平均修复时间和计划外停机时间减少66%以上，从而实现了可观的业务收益。"—Johnson Controls的应用数据科学家Vijaya Sekhar ChennupatiMLOP入门为了充分利用mlop，组织需要应用与其他软件开发项目相同的严格性和过程。为了帮助组织进行机器学习，GigaOm开发了MLOps愿景报告，其中包括有效实施的最佳实践和成熟度模型。成熟度是通过跨关键类别（如战略、体系结构、建模、流程和治理）的五个开发级别来衡量的。使用成熟度模型，企业可以了解他们在哪里，并确定采取什么步骤来"升级"并实现业务目标。  "组织可以通过应用mlop和实施最佳实践来应对开发人工智能解决方案的挑战。GigaOm的报告和MLOps成熟度模型在这个过程中可能是一个非常有价值的工具，"—Johnson Controls的应用数据科学家Vijaya Sekhar Chennupati。要了解更多信息，请阅读GigaOm报告，让机器学习转型成为您企业的现实。更多信息了解有关Azure机器学习的更多信息阅读GigaOm报告，实现MLOps的愿景今天免费试用Azure机器学习。