MLOps
MLOps to praktyka niezawodnego wdrażania, monitorowania i utrzymywania modeli uczenia maszynowego w produkcji — dyscyplina, która utrzymuje przemysłową SI w działaniu po fazie pilotażu. Obejmuje wersjonowanie, dotrenowywanie, monitorowanie dryfu i nadzór, tak by modele pozostawały dokładne w zmieniających się warunkach.
Wiele projektów przemysłowej SI udaje się jako pilotaż, a potem po cichu zawodzi, bo model degraduje się wraz ze zmianą urządzeń, procesów lub danych. MLOps stosuje rygor inżynierii oprogramowania do modeli: śledzenie wersji i danych, automatyzację dotrenowywania, monitorowanie jakości predykcji i dryfu oraz nadzór nad zmianami. To właśnie zamienia jednorazowy model w niezawodny system produkcyjny — coraz ważniejsze, gdy zakłady wdrażają więcej SI.
Powiązane terminy
Machine Learning (Industrial) · Anomaly Detection · Predictive Maintenance (PdM)