Machine Learning in Production（DeepLearning.AI）: 点评

我是 Priya，中型 SaaS 的数据科学家。去年我接手了一个流失预测模型：没有基线文档，没有数据定义，漂移没人监控——恰恰是这门课教你预防的失效模式。这是我来学它的原因。也是我必须先写状态警告的原因：如果你是搜”DeepLearning.AI 的 MLOps 专项”找到这里的，那个项目已经不存在了。

原来的四门 Machine Learning Engineering for Production 专项于 2024 年 5 月 8 日停止报名。第 2–4 门——数据生命周期、流水线、部署工具，由 Cristian Bartolomé Arámburu、Laurence Moroney、Robert Crowe 讲授——已退役。专项证书无法再取得；2024 年中 DeepLearning.AI 自家论坛上，学员公开抱怨读到一半证书没了。存留下来的是这门独立的第 1 课：吴恩达的概念性入门。

存留的部分确实好。三周约 15 小时：ML 生产生命周期；项目立项、数据需求、建模策略；部署模式与持续演进的数据；误差分析与偏斜数据集；基线与人类水平表现；数据定义、标注一致性、数据验证；概念漂移与监控。Coursera 约 3,367 条评分 4.8/5，聚合的 Reddit 讨论和 2026 年 MLOps 榜单反复表扬同一件我看重的事：立项、基线、数据中心迭代——工具导向 MLOps 课整体跳过的判断层。先修：深度学习工作知识、中级 Python、一种 DL 框架；官方建议先修 Deep Learning Specialization。

精确地说它不是什么。这是设计与判断课，不是工具课。动手流水线、编排、监控栈——极少。Reddit 舆论认为它在真实部署工具上偏轻，榜单普遍建议搭配动手项目（比如 DataTalks 的 MLOps Zoomcamp）。退役的那几门还常被指 TensorFlow/TFX 中心化——既然已经没了，这条仅供存档。

实务信息：证书需 Coursera 或 DeepLearning.AI Pro 付费订阅（Coursera Plus 约 $59/月、DLAI Pro 约 $300/年，第三方来源有时滞，以官网为准）。免费旁听通道现在是否存在，我们未能核实，请以报名页的实时选项为准。

谁还该学：缺口在概念层的初阶 ML 从业者——怎么立项、怎么设基线、怎么推理数据定义与漂移。对这个缺口，它是最短路径之一，也是吴恩达生产课程体系唯一的官方遗存。缺口在操作层的话，先去学动手项目，再回来补设计判断。

替代方案：工具链找 DataTalks MLOps Zoomcamp；底层 ML 找 Machine Learning Specialization 或 CS229。

底线：为存留的部分而学——一个短小的、教学出色的概念框架，值得任何初阶从业者花 15 小时。别带着对 MLOps 专项的期待来。它 2024 年停办，证书没了，工具链内容随之而去。