MLOps
The practices for getting machine learning models into production and keeping them working.
MLOps überträgt DevOps-Denken auf ML, mit zusätzlichen Problemen: Datenversionierung, Reproduzierbarkeit von Trainings, Drift-Monitoring und Retraining-Pipelines. Die Einsicht dahinter ist, dass ein Modell im Notebook grob 10 % der Arbeit ausmacht.
In der Praxis: Automatisches Retraining, ausgelöst, wenn die überwachte Genauigkeit unter einen Schwellenwert fällt.