ソフトウェア開発におけるDevOpsの概念を機械学習に適用し、機械学習モデルの開発、運用、監視、保守を効率的に行うための手法およびプロセスの総称である。

機械学習モデルの開発は、データの収集・前処理、学習、評価といった複数のステップを含むが、これらの工程を個別に管理すると、モデルの再現性や運用効率が低下するという問題がある。MLOpsはこの問題を解決するために、機械学習モデルの開発、デプロイ、運用、監視といった一連のプロセスを自動化し、機械学習のライフサイクル全体を効率的かつ継続的に管理する仕組みを提供する。

MLOpsの具体的な手法には、以下のようなものがある。

• 自動化によって、データ収集、前処理、特徴量抽出などを行い、機械学習モデルの開発および学習の効率化を図る
• DevOpsの考え方を適用し、機械学習モデルのバージョン管理およびデプロイの自動化を実現する
• 機械学習モデルの精度低下を検知し、モデルの再学習を実行する
• 機械学習モデルの開発・運用における各工程を統合的に管理するパイプラインを構築する

一連の自動化プロセスで開発・管理・運用を行うMLOpsによって、開発と運用のスムーズな連携が実現し、運用効率や保守性の向上、運用コストの削減、機械学習モデルの精度向上が可能となる。そのためビジネス領域で機械学習を活用する企業にとって、MLOpsの導入は安定したAIシステムの提供に不可欠となっている。