手动执行机器学习 (machine learning)生命周期的各个步骤不仅效率低下，而且容易出错。为了构建既可扩展又可靠的系统，我们必须引入自动化。本章将软件工程中成熟的持续集成和持续交付 (CI/CD) 实践应用于机器学习的特定需求。

我们将从 CI/CD 的基本原理开始，然后观察如何针对机器学习调整这些做法。你将学会区分：

• 持续集成 (CI)： 自动测试代码和组件。
• 持续交付 (CD)： 自动发布经过验证的模型。
• 持续训练 (CT)： MLOps 特有的流程，用于根据新数据自动重新训练模型。

本章说明了这些要素如何结合在一起，组成自动化的机器学习流水线。我们还将介绍管理这些工作流的编排工具。本章最后提供了一个动手实践练习，你将使用 GitHub Actions 构建一个简单的 CI 流水线，以巩固所学内容。