MLOps

Identity

• MLOpsは、機械学習モデルの開発・デプロイ・運用・監視を継続的に回すための考え方・実践であり、DevOpsの機械学習版といえる。検証待ち Google Cloud — MLOps

Capability

• MLOpsは、機械学習モデルの開発・デプロイ・運用・監視を継続的に回すための考え方・実践であり、DevOpsの機械学習版といえる。検証待ち Google Cloud — MLOps
• MLOpsは、一度モデルを作って終わりにせず、データ更新・再学習・監視まで継続的に回す点を特徴とし、モデルの品質を保つ。検証待ち Google Cloud — MLOps
• Microsoft LearnのAzure Architecture Centerは、MLOpsの成熟度をLevel 0（手動・MLOpsなし）からLevel 4（完全自動化・ドリフト検知による自動再学習）までの5段階で評価するMLOps Maturity Modelを公開しており、組織が現状評価と段階的な改善計画に活用できるとしている。検証待ち MLOps Maturity Model - Azure Architecture Center

Credibility

• D. Sculleyら（Google）が2015年NeurIPSで発表した論文『Hidden Technical Debt in Machine Learning Systems』は、entanglement・hidden feedback loops・undeclared consumers等のML特有リスク要因を提示し、機械学習システムには継続的な保守コストが不可避であると論じ、MLOps分野で頻繁に引用される基礎文献となっている。検証待ち Hidden Technical Debt in Machine Learning Systems

Use Case

公開Evidence未整備

Constraints / Current Status

• MLOpsは、一度モデルを作って終わりにせず、データ更新・再学習・監視まで継続的に回す点を特徴とし、モデルの品質を保つ。検証待ち Google Cloud — MLOps

Key References

• MLOpsという実践がなぜ必要とされるのか、学術的にはどのような根拠がありますか？
• MLOpsとは何ですか？
• MLOpsは単なるモデル開発と何が違いますか？

Related

• MLflow— MLflowはMLOpsを実践するための中心的なツールである。
• 機械学習（Machine Learning）— MLOpsは機械学習モデルの運用を扱う実践である。
• フィーチャーストア（Feature Store）— フィーチャーストアはMLOpsのデータ基盤の一部として用いられる。