MLOps
Praktiken für den zuverlässigen Betrieb von ML-Systemen.
MLOps überträgt Ideen aus der Softwareentwicklung auf maschinelles Lernen: Versionierung von Daten und Modellen, automatisiertes Training, Überwachung im Betrieb und geregelte Updates. Ziel ist, ML-Systeme verlässlich, wiederholbar und wartbar in Produktion zu bringen und dort zu halten.