问题描述
在云计算中，有多个“*即服务”术语，例如：
– 基础设施即服务（IaaS）
– 平台即服务（PaaS）
– 软件即服务（SaaS）
然而，对于像以下平台这样与数据和Jupyter笔记本相关的平台：
– AWS Sagemaker
– Google Colaboratory
– Microsoft Azure ML Studio
在“披萨”（Pizza）谱系中，它们属于哪个范畴？是否有一个正式的术语来描述这些“Jupyter即服务”平台？
解决方案
在云计算中，类似于AWS Sagemaker、Google Colaboratory和Microsoft Azure ML Studio等数据相关和Jupyter笔记本相关的平台通常被归类为“MLOps”，即机器学习运营。尽管它们在某种程度上具有特殊性，但从整体上看，它们可以与“平台即服务”（PaaS）相媲美。
这些平台为机器学习工作流提供了整体解决方案，从数据准备到模型训练再到部署和监控。它们提供了集成的环境，使数据科学家、机器学习工程师和开发人员能够在一个统一的平台上进行工作。这些平台通常提供的功能包括：
数据准备和预处理： 提供数据集管理、数据清洗、特征工程等工具，帮助用户准备好用于训练的数据。
模型训练和调优： 提供集成的机器学习算法和工具，使用户能够训练和调优模型，选择最佳的超参数等。
部署和生产环境： 支持将训练好的模型部署到生产环境，为实时预测提供服务。
监控和管理： 提供监控工具，用于跟踪模型性能、处理数据漂移等问题。
虽然这些平台可以被视为一种“平台即服务”，但由于其特殊性质，常常被归类为“MLOps”。这个术语强调了它们在机器学习领域的应用和价值。
总之，“MLOps”平台是云基础架构中针对机器学习工作流的一类特殊平台，它们提供了从数据处理到模型部署的全套功能，被视为机器学习领域的“平台即服务”。