MLOps
The practices for getting machine learning models into production and keeping them working.
O MLOps aplica o pensamento de DevOps ao ML, com problemas extras: versionamento de dados, reprodutibilidade do treinamento, monitoramento de drift e pipelines de retreinamento. A percepção que ele resume é que um modelo dentro de um notebook representa mais ou menos 10% do trabalho.
Na prática: Retreinamento automático disparado quando a acurácia monitorada cai abaixo de um limite.