MLOps
MLOps är praxisen att tillförlitligt driftsätta, övervaka och underhålla maskininlärningsmodeller i produktion — disciplinen som håller industriell AI fungerande efter pilotprojektet. Den täcker versionshantering, omträning, övervakning av avvikelser och styrning, så att modeller förblir korrekta när förhållanden ändras.
Många industriella AI-projekt lyckas som pilot och felar sedan tyst eftersom modellen försämras när utrustning, processer eller data ändras. MLOps tillämpar mjukvaruteknisk noggrannhet på modeller: att spåra versioner och data, automatisera omträning, övervaka prognoskvalitet och avvikelser samt styra ändringar. Det är det som förvandlar en engångsmodell till ett pålitligt produktionssystem — allt viktigare när anläggningar driftsätter mer AI.
Relaterade termer
Machine Learning (Industrial) · Anomaly Detection · Predictive Maintenance (PdM)