「誰又改壞了負責資料清洗的程式碼？」、「資料到底跑完了沒？可以開始訓練了嗎？」、「上游資料欄位變更，為什麼沒人通知，下游模型又炸了！」

在 AI/ML 時代，企業在擁抱機器學習的同時，也面臨著前所未有的挑戰。

過往軟體開發、資料工程與機器學習這三大領域各自為政，缺乏協同作業的工具與流程，導致專案進度緩慢、品質不穩定。縱然我們分別有著 DevOps、DataOps 與 MLOps 來解決各自的問題，但如果這三者之間沒有緊密的整合與協作，依然是彼此的絆腳石。

本次演講，我們將以一個 ML 專案現場為案例，說明原來 DevOps、DataOps、MLOps 三者的關係是如何的密不可分、互相交疊。幫助聽眾了解與思考，如何在實務中打通這三者的任督二脈，為企業建構一個橫跨程式碼、資料到模型的自動化流程。

聽眾收穫：

1. 理解 DevOps、DataOps、MLOps 三者的差異，以及彼此交疊之處。
2. 認識未來 IT、軟體、資料團隊可能會形成的組織面貌與工作流程。
3. 反思跨軟體及資料團隊之間的溝通與協作難題。