主要观点总结
本文是作者对于其四年构建MLOps系统的经历的回顾和总结，涵盖了从研究能源消耗模型到创建MLOps平台等一系列经历。文章还讨论了关于MLOps和MLE的角色定位、在云端部署和本地部署的对比、身份危机等问题。
关键观点总结
关键观点1: 作者在构建MLOps系统的过程中的经验和挑战
包括研究预测电力消耗模型、创建特征并使用基于树的模型进行预测，以及解决模型和数据漂移问题等。
关键观点2: 作者关于MLOps平台的工作经历
作者描述了从部署模型到平台开发过程中的转变，以及建立平台的挑战和重点转移，包括关注模型的验证和检测模型偏见等问题。
关键观点3: 关于MLOps与软件工程领域的身份危机
作者探讨了身份认同问题，包括如何定义自己在MLOps、MLE、后端工程和业务逻辑中的角色，以及是否应该专注于特定客户的功能来增强平台还是将它们分开。
关键观点4: 关于在云端部署和本地部署的讨论
作者分享了他在面试中遇到的关于在云端部署模型的经验和思考，以及对于是否需要跟踪模型、是否需要考虑安全问题的讨论。
关键观点5: 关于职业发展和个人成长的思考
作者讨论了职业发展的挑战，包括如何在FOMO（错失恐惧）的现实下建立信心，以及对未来想成为什么样的人的迷茫和困惑。
文章预览
作者 | Mehmet Burak Sayıcı 译者 | 王强 策划 | Tina 正如标题所述，我致力于构建 MLOps 系统已经有近四年了。世界变化得很快，作为一名也有了四年经验的程序员，我感觉自己一直在努力不被深度学习（LLM）的新技术淹没，努力适应软件工程，努力远程获得好公司的好职位，等等。 这篇文章一半是对我多年经历的审慎回顾，另一半是我对工程、机器学习（运维）的看法。我想你的脑海中也曾浮现过这些问题，但我不会回答任何问题，只是分享我的观点。
1 第一个 ML 问题，提前一日的用电量预测 2021 年，我开始研究能源消耗模型，这是我第一次真正深入研究运维应用程序。这个问题一开始很简单：我们必须预测八个城市每 24 小时的每日用电量，但要提前 24 小时，这个项目名为日前电力预测。自从我开始研究这个问题以来，用户数量不断增加，普通
………………………………
