第1章　MLOps概述

在深入探讨机器学习（ML）的工程化及管理问题之前，我们需要先探讨MLOps及其工作流程的基础，以描述实际项目中的ML问题，为构建完整和可扩展的ML管道提供清晰的路线图。

本章首先从ML的定义开始介绍，对一些术语概念进行统一，以确保在后续章节中用到这些概念的时候大家能拥有共同的理解。

读完这些内容后，我们就能以同样的方式理解监督学习和无监督学习等概念。我们也会对数据术语达成共识，比如原始数据、输入数据、特征、训练样本和预留样本等。我们还可以进一步了解在MLOps框架下，ML的应用场景及ML的工程实践。