[MLOps - Wikipedia](https://ja.wikipedia.org/wiki/MLOps) - [[Google]]の定義 - ML システム開発（Dev）と ML システムオペレーション（Ops）の統合を目的とするMLエンジニアリングの文化と手法 - Amazonの定義 - 機械学習ワークロードに[[DevOps]]プラクティスを適用することに基づいて構築された方法論 --- [[2022__arXiv__Machine Learning Operations (MLOps) - Overview, Definition, and Architecture]] 6 Conceptualization より引用。 > MLOps（Machine Learning Operations）は、機械学習製品のエンドツーエンドの概念化、実装、監視、展開、およびスケーラビリティに関して、ベストプラクティス、一連の概念、および開発文化などの側面を含むパラダイムである。特に、機械学習、ソフトウェアエンジニアリング（特にDevOps）、データエンジニアリングという3つの貢献するディシプリンを活用したエンジニアリングプラクティスであることが特徴です。MLOpsは、開発（Dev）と運用（Ops）の間のギャップを埋めることで、機械学習システムのプロダクション化を目指しています。基本的に、MLOpsは以下の原則を活用することで、機械学習製品の作成を促進することを目指しています。CI/CDの自動化、ワークフローのオーケストレーション、再現性、データ、モデル、コードのバージョン管理、コラボレーション、継続的なMLトレーニングと評価、MLメタデータのトラッキングとロギング、継続的モニタリング、フィードバックループなどです。