MLOps
意味・解説
機械学習（ML）のモデル開発、運用、保守を継続的かつ効率的に行うための手法や仕組み。DevOpsのAI版。
AI（人工知能）モデルは作成して終わりではなく、現実世界のデータが変化すると精度が低下する（モデルの劣化）。MLOpsは、データの収集、学習、テスト、リリース、そして再学習までのサイクルを自動化・管理することで、高品質なAIサービスを安定して提供し続けることを目的とする。
くわしく
「AI（人工知能）という『生き物』の体調を常にチェックし、成長させ続けるための『健康管理システム』」です。
1.必要性:
昨日の正解が今日の正解とは限らない（構成ドリフト（ドリフト））のがAI。MLOpsを導入することで、精度の低下をいち早く察知し、自動で新しいデータを使って賢く作り変えることができます。
2.構成要素:
CI/CD（継続的インテグレーション／継続的デリバリー）（継続的統合/デリバリー）に加えて、CT（継続的学習）という工程が含まれるのが特徴です。
例文
需要予測AIの精度を維持するため、MLOpsのパイプラインを構築して定期的な再学習を自動化した。
同義語: 機械学習運用
分類: ソフトウェアエンジニアリング / AI戦略