Las operaciones de aprendizaje automático (MLOps u ML Ops) son prácticas que tienen como objetivo implementar y mantener los modelos de aprendizaje automático en producción de manera confiable y eficiente.
Al igual que los enfoques de DevOps o DataOps, mLOps busca aumentar la automatización y mejorar la calidad de los modelos de producción, al tiempo que se centra en los requisitos empresariales y normativos.
El mLOps se aplica a todo el ciclo de vida, desde la integración con la generación de modelos (ciclo de vida del desarrollo de software, integración continua/entrega continua), la orquestación y la implementación, hasta la salud, el diagnóstico, gobernanza, y métricas empresariales. Según Gartner, mLOps es un subconjunto de ModelOps.
mLOps se centra en la operacionalización de los modelos de ML, mientras que ModelOps cubre la operacionalización de todos los tipos de modelos de IA.