MLOps
MLOps on käytäntö koneoppimismallien luotettavaan käyttöönottoon, valvontaan ja ylläpitoon tuotannossa — tieteenala, joka pitää teollisen tekoälyn toimivana pilotin jälkeen. Se kattaa versioinnin, uudelleenkoulutuksen, ajautumisen valvonnan ja hallinnoinnin, jotta mallit pysyvät tarkkoina olosuhteiden muuttuessa.
Monet teolliset tekoälyprojektit onnistuvat pilottina ja sitten epäonnistuvat hiljaa, kun malli heikkenee laitteiden, prosessien tai datan muuttuessa. MLOps soveltaa ohjelmistotekniikan tiukkuutta malleihin: seuraa versioita ja dataa, automatisoi uudelleenkoulutuksen, valvoo ennustelaatua ja ajautumista ja hallinnoi muutoksia. Se on se, mikä muuttaa kertaluonteisen mallin luotettavaksi tuotantojärjestelmäksi — yhä tärkeämpää, kun tehtaat ottavat käyttöön enemmän tekoälyä.
Aiheeseen liittyvät termit
Machine Learning (Industrial) · Anomaly Detection · Predictive Maintenance (PdM)