云原生中的数据科学KubeConAsia2018Final

# 《云原生中的数据科学 - KubeCon Asia 2018》总结 ## 核心观点： 1. **自主性**：数据科学家需要自由选择工具和方法，避免被固定流程束缚。 2. **可重复性**：确保数据科学实验和结果能够被准确复现。 3. **数据血缘**：清晰追踪数据来源和处理过程，确保数据的可信度。 4. **自动化**：通过自动化工具和流程提升效率，减少人工干预。 ## 数据科学流程： - **业务需求与问题发现**：明确业务目标，识别数据科学问题。 - **开发**：构建实验和模型。 - **生产**：部署和监控模型，确保实际用户需求得到满足。 ## 工具与资源： - **Pachyderm**：用于数据流水线和机器学习模型的自动化部署。 - **Data Science Bill of Rights**：确保数据科学家的权益和最佳实践。 - **Azure Container Registry Build**：用于容器构建和镜像管理。 - **Azure Kubernetes Service**：支持数据科学管道的容器化和 orchestration。 - **Pipeline Images**：提供预构建的机器学习管道镜像。 总结：云原生环境为数据科学提供了高效、可扩展的解决方案，通过自动化、可重复性和数据血缘管理，帮助数据科学家更专注于业务问题的解决，同时确保模型的稳定性和可靠性。