用途：该技能提供设计生产级机器学习系统的框架，从数据管道到模型服务，适合设计端到端ML系统、规划特征存储架构、设计模型训练管线、规划模型服务基础设施、准备ML系统设计面试以及评估ML平台工具与框架。
主要能力：围绕ML系统生命周期（数据接入、特征管道、模型训练、模型服务、监控与评估）给出组件划分与选型参考。特征存储部分区分离线存储（历史数据、批量特征）与在线存储（低延迟点查、实时服务），并介绍特征注册表、批量/流式/按需特征类型以及训练-服务一致性。训练基础设施涵盖数据加载、特征变换、模型训练、验证、实验跟踪、超参调优、检查点存储与模型注册，并列举单机、数据并行、模型并行、超参调优等模式。服务架构涵盖在线、批量、流式、嵌入式等模式，以及批量、缓存、量化、蒸馏、GPU推理等延迟优化手段。此外还涉及ML模型的A/B测试设计、指标类型与统计考量，以及数据质量、特征漂移、预测漂移、模型性能与运维监控和漂移检测流程。
使用方式：资料未提供具体安装命令或调用步骤，暂未提供。
适用场景：设计生产ML系统、搭建特征存储、规划训练与服务基础设施、MLOps实践、ML模型A/B测试与监控、ML系统设计面试准备。
限制：资料以设计框架与组件参考为主，未提供具体代码示例、收费或价格信息、平台支持细节与实操步骤，相关事实暂未提供。