MLOps
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/10/24 00:21 UTC 版)
MLOps とは、ディープラーニングなどの機械学習のライフサイクルを管理するための、データサイエンティスト、エンジニア、保守運用担当者のコラボレーションおよびコミュニケーションに関する実践手法。機械学習 Machine Learning (ML) と、ソフトウェア分野での継続的な開発手法である DevOps とを組み合わせた造語である。
- ^ (英語) AWS re:Invent 2020: Scaling MLOps on Kubernetes with Amazon SageMaker Operators 2021年4月19日閲覧。
- ^ Talagala. “Why MLOps (and not just ML) is your Business’ New Competitive Frontier”. AITrends. AITrends. 2018年1月30日閲覧。
- ^ a b c d e f “MLOps: 機械学習における継続的デリバリーと自動化のパイプライン” (日本語). Google Cloud. 2021年3月18日閲覧。
- ^ a b c d e f jpe316. “MLOps:ML モデル管理 - Azure Machine Learning” (日本語). docs.microsoft.com. 2021年3月18日閲覧。
- ^ a b c “aws-samples/mlops-amazon-sagemaker-devops-with-ml” (英語). GitHub. 2021年3月18日閲覧。
- ^ Sculley, D.; Holt, Gary; Golovin, Daniel; Davydov, Eugene; Phillips, Todd; Ebner, Dietmar; Chaudhary, Vinay; Young, Michael et al. (7 December 2015). “Hidden Technical Debt in Machine Learning Systems”. NIPS Proceedings (2015) 2017年11月14日閲覧。.
- ^ Bughin. “Artificial Intelligence The Next Digital Frontier?”. McKinsey. McKinsey Global Institute. 2017年6月1日閲覧。
- ^ Sallomi. “Deloitte Technology, Media and Telecommunications Predictions 2018”. Deloitte. Deloitte. 2017年10月13日閲覧。
- ^ “What is ML Ops? Best Practices for Devops for ML”. YouTube. YouTube. 2020年7月19日閲覧。
- ^ “What is MLOps?”. Algomox. Algomox. 2020年11月25日閲覧。
- ^ “MLOps Silicon Valley”. Meetup. Meetup. 2018年2月2日閲覧。
- ^ “Should every business function have an Ops extension?”. Tech HQ. Tech HQ. 2018年4月13日閲覧。
- ^ “How to build AI culture: go through the curve of enlightenment”. Medium. Hackernoon. 2018年4月28日閲覧。
- ^ “Why MLOps (and not just ML) is your Business’ New Competitive Frontier”. AITrends. AITrends. 2018年1月30日閲覧。
- ^ “MLOps with serverless architectures (October 2018)”. LinkedIn SlideShare. Julien Simon. 2018年10月23日閲覧。
- ^ “Scalable Data Science/Machine Learning: The State of DataOps / MLOps in 2018”. MachineLearning.AI. Alejandro Saucedo. 2018年9月9日閲覧。
- ^ “Operational Machine Learning: Seven Considerations for Successful MLOps”. KDNuggets. KDNuggets. 2018年4月1日閲覧。
- ^ “BD Podcast Ep 34 – Putting AI to Work with MLOps Powered by ParallelM”. Big Data Beard. Big Data Beard. 2018年7月17日閲覧。
- ^ “What is ML Ops? Solutions and best practices for applying DevOps to production ML services”. Artificial Intelligence Conference. O'Reilly. 2018年10月10日閲覧。
- ^ “Azure Machine Learning service の一般公開に関するお知らせ: その具体的な内容 | Azure のブログと更新プログラム | Microsoft Azure” (日本語). azure.microsoft.com. 2021年3月18日閲覧。
- ^ “特徴 - Amazon SageMaker | AWS” (日本語). Amazon Web Services, Inc.. 2021年3月18日閲覧。
- ^ “Machine Learning - MLOps Big Eight - Education” (英語). Social Good Technologies. 2021年4月19日閲覧。
- ^ Walsh. “The Rise of Quant-Oriented Devs & The Need for Standardized MLOps”. Slides. Nick Walsh. 2018年1月1日閲覧。
- ^ Talby, David. “Council Post: Why Machine Learning Models Crash And Burn In Production” (英語). Forbes. 2021年3月28日閲覧。
- ^ “AI研究における「ブラックボックス問題」とは何か” (日本語). Forbes JAPAN（フォーブス ジャパン） (2018年2月20日). 2021年3月28日閲覧。
- ^ “The AI black box problem” (英語). ThinkAutomation (2019年11月26日). 2021年3月28日閲覧。
- ^ Education, Kamalika is passionate to write about Analytics driving technological change (2020年7月3日). “How does a Data Scientist Build a Machine Learning Model in 8 Steps?” (英語). Analytics Insight. 2021年3月28日閲覧。
- ^ Education, Kamalika is passionate to write about Analytics driving technological change (2020年7月3日). “How does a Data Scientist Build a Machine Learning Model in 8 Steps?” (英語). Analytics Insight. 2021年3月28日閲覧。
- ^ Weaveworks (2019-12-18). Using MLOps to Bring ML to Production/The Promise of MLOps.
- ^ a b c d “MLOps 101: The Foundation for Your AI Strategy” (英語). DataRobot. 2021年4月7日閲覧。
- ^ “What is DevOps? DevOps Explained | Microsoft Azure” (英語). azure.microsoft.com. 2021年3月28日閲覧。
- ^ “DevOps とは: 研究とソリューション” (日本語). Google Cloud. 2021年3月28日閲覧。
- ^ “DevOps とは? - DevOps と AWS | AWS” (日本語). Amazon Web Services, Inc.. 2021年3月28日閲覧。
- ^ Walsh. “The Rise of Quant-Oriented Devs & The Need for Standardized MLOps”. Slides. Nick Walsh. 2018年1月1日閲覧。
- ^ “Code to production-ready machine learning in 4 steps” (英語). DAGsHub Blog (2021年2月3日). 2021年2月19日閲覧。
- ^ Warden. “The Machine Learning Reproducibility Crisis”. Pete Warden's Blog. Pete Warden. 2018年3月19日閲覧。
- ^ Vaughan. “Machine learning algorithms meet data governance”. SearchDataManagement. TechTarget. 2017年9月1日閲覧。
- ^ Lorica. “How to train and deploy deep learning at scale”. O'Reilly. O'Reilly. 2018年3月15日閲覧。
- ^ doodlemania2. “機械学習運用の成熟度モデル - Azure Architecture Center” (日本語). docs.microsoft.com. 2021年4月7日閲覧。
- ^ Garda. “IoT and Machine Learning: Why Collaboration is Key”. IoT Tech Expo. Encore Media Group. 2017年10月12日閲覧。
- ^ Warden. “The Machine Learning Reproducibility Crisis”. Pete Warden's Blog. Pete Warden. 2018年3月10日閲覧。
- ^ Haviv. “MLOps Challenges, Solutions and Future Trends”. Iguazio. Iguazio. 2020年2月19日閲覧。
- ^ Vashisth. “Use Gartner’s 3-Stage MLOps Framework to Successfully Operationalize Machine Learning Projects”. Gartner. Gartner. 2020年10月30日閲覧。
[続きの解説]
「MLOps」の続きの解説一覧
- 1 MLOpsとは
- 2 MLOpsの概要
- 3 概要
- 4 アーキテクチャ
- 5 関連項目
このページでは「ウィキペディア」からMLOpsを検索した結果を表示しています。
Weblioに収録されているすべての辞書からMLOpsを検索する場合は、下記のリンクをクリックしてください。
全ての辞書からMLOps を検索
Weblioに収録されているすべての辞書からMLOpsを検索する場合は、下記のリンクをクリックしてください。
全ての辞書からMLOps を検索 - MLOpsのページへのリンク
