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・デプロイ・運用を効率化するためのプラクティスやツール群。DevOpsの考え方を機械学習に適用し、モデルの学習・評価・デプロイのパイプラインを自動化する。

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。

開発と運用の連携に、セキュリティの作業を最初から組み込む考え方。後付けではなく工程の各所で自動的に検査する。

テストを通過した変更を、人手を介さず自動的に本番環境へ反映する仕組み。

開発チームの能力を測る4つの指標。デプロイの頻度、変更のリードタイム、変更障害率、平均修復時間からなる。

システムの外部から得られる情報だけで、内部の状態を推し量れる度合い。可観測性ともいい、ログ・メトリクス・トレースの3つを軸に確保する。

ログ、メトリクス、トレースを統一的に収集・送信するための仕様と実装。特定の監視製品に依存せずに可観測性を確保できる。

本番に近い環境で意図的に障害を起こし、システムが耐えられるかを検証する取組み。想定外の弱点を稼働前に見つける。