1.介紹DevOps團隊，在導入MLOps時，常見的問題。分析為什麼Data Scientist的機器學習工作流程，直接加上DevOps工具與活動，無法直接提升AI產品的品質與工作效率。

2.介紹MLOps的流程與主流工具。我們可以用哪些工具與特性，來減少DevOps轉換成MLOps的困難。

3.以實際案例：AI自動產生SWOT分析報告，說明如何建置MLOps架構與流程，如何完成持續訓練(CT)，持續監控 (CM)提升AI產品效果。

4. 利用AIOps來監控AI模型異常，持續提升資料品質，使AI產品效果可持續提升。

觀眾的預期收穫:

1. DevOps團隊，在新增AI功能需求後，如何從DevOps順利轉換成 MLOps 文化。

2.了解如何持續提升線上AI產品的商業價值。

3.提供Open source範例讓大家能練習MLOps的工具與流程。