Stock MLOps

Stock MLOps 是一個將課程學到的 MLOps 實務整合成完整範例的專案，涵蓋資料擷取、特徵工程、模型訓練、部署與監控流程。

背景：項目目標是建立可重複執行的 ML lifecycle，讓使用者能追蹤實驗、版本化模型並透過 API 提供推理服務。

挑戰：需要自動化 ETL 與訓練流程、實驗追蹤、模型監控與資料漂移偵測，並在本地或容器化環境中穩定執行。

解法與貢獻：以 Prefect 管理 ETL 與 retraining 流程；使用 MLflow 追蹤實驗與模型版本；搭配 FastAPI 建置推理服務，並以 Evidently + Prometheus + Grafana 做監控儀表板；提供 Docker Compose 範例以利部署。

成果：建立了一套可復現的 MLOps 教學範例，支援實驗追蹤、模型註冊與監控，方便教學與研究用途。