MLOps

機械学習（ML）モデルの開発・運用・管理を効率的に行うための手法や仕組み。DevOpsの考え方を機械学習に適用し、モデルの学習・評価・デプロイ・監視のライフサイクルを自動化・体系化する。

機械学習モデルの開発から運用、監視、再学習までを継続的に回す仕組み。データとモデルの版数管理、性能劣化の検知を含む。

機械学習（ML）モデルの開発・運用・管理を効率的に行うための手法や仕組み。DevOpsの考え方を機械学習に適用し、モデルの学習・評価・デプロイ・監視のライフサイクルを自動化・体系化する。

機械学習モデルの開発から本番での運用、監視、再学習までを、継続的かつ自動的に回すための考え方と仕組み。DevOpsを機械学習に適用し、データとモデルの版管理、学習パイプラインの自動化、本番データの変化による精度の劣化（ドリフト）の検知などを行う。

生成AIに自然言語で意図を伝え、出力されたコードを試しながら開発を進める方法。素早く形にできる一方、生成物の妥当性の検証が課題となる。

AIエージェントがコードの作成、実行、修正までを自律的に繰り返す開発の進め方。人間はゴールの設定と結果の承認を担う。

自然言語で書いた仕様を起点に、AIが実装やテストを生成していく開発手法。仕様書が成果物の正しさを判断する基準として機能する。

特定分野の専門家の知識をルールベースとして蓄積し、推論エンジンにより問題解決を支援するAIシステム。知識ベースとルールを用いて人間の専門的判断を模倣する。

コンピュータがデータから規則性やパターンを自動的に学習し、予測や分類を行う技術の総称。教師あり学習、教師なし学習、強化学習の3つに大別される。AIの中核技術の一つ。

入力データと正解ラベルのペアを学習データとして与え、未知のデータに対する予測モデルを構築する機械学習手法。回帰（数値予測）と分類（カテゴリ予測）に大別される。