What Is Machine Learning Operations?

The word is a compound of 'machine learning', and the development practices of DevOps in the software field are continuous. Machine learning models are tested and developed in isolated experimental systems. When an algorithm is ready to be launched, MLOps is practiced between Data Scientists, DevOps, and Machine Learning engineers to transition the algorithm to production systems.

Makine Öğrenimi Operasyonları (MLOps)

Makine Öğrenimi Operasyonları (MLOps ya da ML Ops), makine öğrenimi modellerinin güvenilir ve verimli bir şekilde üretim ortamına dağıtılmasını ve sürdürülebilirliğini sağlamayı amaçlayan uygulamalardır.

Makine Öğrenimi Operasyonları Nedir?

Bu terim, "makine öğrenimi" ile yazılım alanındaki DevOps geliştirme uygulamalarının sürekli bir birleşimidir.

Makine öğrenimi modelleri genellikle izole edilmiş deneysel sistemlerde test edilir ve geliştirilir.

Algoritmalar kullanıma hazır olduğunda, veri bilimcileri, DevOps ve makine öğrenimi mühendisleri arasında MLOps uygulamaları devreye girer ve algoritmaların üretim sistemlerine geçişi sağlanır.

MLOps Yaklaşımı

DevOps veya DataOps yaklaşımlarına benzer şekilde, MLOps, otomasyonu artırmayı ve üretim modellerinin kalitesini iyileştirmeyi hedefler. Aynı zamanda iş ve düzenleyici gereksinimlere de odaklanır.

MLOps, tüm yaşam döngüsüne uygulanır: model oluşturma ile entegrasyon, orkestrasyon ve dağıtım aşamalarından, model sağlığı, teşhis, yönetişim ve iş metriklerine kadar. Gartner'a göre, MLOps, ModelOps'un bir alt kümesidir.

MLOps, makine öğrenimi modellerinin operasyonelleştirilmesine odaklanırken, ModelOps, tüm yapay zeka modellerinin operasyonelleştirilmesini kapsar.