what-every-aspiring-machine-learning-engineer-must-know-to-succeed-b49722073048.md

成功的每个机器学习工程师必须知道的事情

原文：towardsdatascience.com/what-every-aspiring-machine-learning-engineer-must-know-to-succeed-b49722073048?source=collection_archive---------2-----------------------#2024-12-22

避免机器学习生产环境中关键错误的指南

Claudia Ng

·发表于 Towards Data Science ·阅读时间 5 分钟·2024 年 12 月 22 日

--

图片来自 GrumpyBeere 由 Pixabay 提供

我永远不会忘记第一次收到 PagerDuty 警报，提醒我生产环境中的模型评分没有正确返回。

我开始陷入慌乱——我刚刚进行了一次部署，我的脑海中充满了各种问题：

• 我的代码是否引发了一个 bug？

• 错误是否导致了下游的服务中断？

• 代码的哪一部分可能会抛出错误？

调试实时系统非常紧张，我学到了一个关键教训：编写适用于生产环境的代码与在 Jupyter Notebook 中编写能运行的代码完全不同。

2020 年，我从数据分析师转型为机器学习工程师（MLE）。尽管我已经熟练掌握了 SQL 和 Python，但与生产系统的工作让我迫使自己提升技能。

作为一名分析师，我最关心的是我的代码是否能够运行并生成正确的输出。然而，这种心态已经不再适用于成为一名机器学习工程师（MLE）。

作为一名 MLE，我很快意识到，我必须专注于编写高效、简洁且易于维护的代码，这些代码能够在共享的代码库中正常工作。