MLOps

MLOps fasst Methoden zusammen, mit denen Machine-Learning-Modelle zuverlässig entwickelt, ausgeliefert und überwacht werden. Es überträgt Praktiken aus der Softwareentwicklung auf den Umgang mit Daten und Modellen, etwa Versionierung, automatische Tests und Überwachung im Betrieb. Damit lässt sich erkennen, wenn ein Modell mit der Zeit schlechter wird. Ziel ist ein stabiler, wartbarer Betrieb statt einmaliger Bastellösungen.