第 1 章概述

Red Hat OpenShift AI 是一个智能(AI)平台，提供在公共云或边缘快速培训、服务和监控机器学习(ML)模型的工具。

OpenShift AI 为构建 AI/ML 应用程序提供了一个强大的 AI/ML 平台。数据科学家和 MLOps 工程师可以合作快速迁移到生产环境。

您可以在任何受支持的 OpenShift 版本上部署 OpenShift AI，无论是内部环境、云中还是断开连接的环境中。有关支持的版本的详情，请参阅 Red Hat OpenShift AI: 支持的配置。

1.1. 数据科学工作流
复制链接

为了开始使用 OpenShift AI，图 1 展示了一个简化的数据科学工作流。开发 ML 模型的实际过程是一个迭代过程。

用于预测 AI 用例的简化数据科学工作流包括以下任务：

定义您的业务问题并设置目标以解决它。
收集、清理和准备数据。数据通常必须从一系列来源进行联合，探索和理解数据在数据科学项目的成功方面扮演着重要角色。
为您的业务用例评估并选择 ML 模型。
通过根据您的一组培训数据调优模型参数，为您的业务用例提供培训模型。实际上，数据科学家培训了一系列模型，并比较性能，同时考虑权衡，如时间和内存限制。
将模型集成到应用程序中，包括部署和测试。在模型培训后，工作流的下一步是 production。数据科学家通常负责将模型放在生产环境中，并使它可以访问，以便开发人员可以将模型集成到应用程序中。
监控和管理部署的模型。根据组织、数据科学家、数据工程师或 ML 工程师，必须监控生产环境中的模型性能，跟踪预测和性能指标。
优化和恢复模型。数据科学家可以通过排除或包含功能、更改培训数据以及修改其他配置参数来评估模型性能结果并改进结果。