2021年のDataikuProduct Daysの間に、セールスエンジニアリングのディレクターであるグラント・ケースは、DataikuがMLOpsの展開にどのように役立つかを紹介しました。デモをご覧いただく前に、MLOpsについて簡単に復習してみましょう。

MLOpsとは何か？

コンセプトについて議論するには、定義のおさらいから始めるのが良いでしょう。MLOpsも例外ではありません。Dataikuチームが作成しO'Reillyより提供されているガイドブックである「Introducing MLOps」では、MLOpsは次のように定義されています。

『[MLOpsとは]、機械学習ライフサイクル管理の標準化と合理化です。』
→ O'Reillyによる「Introducing MLOps」のダウンロードはこちら（英語）

MLOpsとDevOps、ModelOps、DataOpsとの違いとは？

この定義に入る前に、MLOpsが他のコンセプトとどのように異なるかを見ていきましょう。

**DevOps：**MLOpsは、その名前が示すように、機械学習の管理に関するものです。DevOpsとMLOpsは多くの特性と類似した名前を共有していますが、MLOpsはDevOpsではありません。DevOpsは、コードの開発とデプロイに重点を置いています。MLOpsにはこれらの側面が含まれますが、データやガバナンスなどの他の側面も含まれます。
**ModelOps：**両方が同じ意味で使用されていると聞くかもしれませんが、MLOpsはModelOpsではありません。MLOpsはModelOpsのサブセットです。ModelOpsには、ルールベースなどの他のタイプのモデルを含めることができます。
**DataOps：**MLOpsはDataOpsではありません。MLOpsはデータに大きく依存しています。しかし、DataOpsは、MLOpsの範囲を超えるデータのすべての側面に焦点を当てています。

いかに実装するか

MLOpsの簡単な紹介を行いましたが、これらの素晴らしい考えはどのように実現できるのでしょうか。このデモでは、DataikuがMLOpsの最後の両脚である運用と監視のニーズをどのように満たすかを示しています。それでは、MLOpsコンポーネントのいくつかをDataikuを使って実装してみましょう。

MLOpsとプロジェクトループの終了

MLパイプラインを開発するときは、反復プロセスを実行している可能性があります。データは接続され、探索され、準備され、モデルはトレーニングおよび評価されます。このプロセスは、モデルをデプロイメントに送る準備ができていると思われる時点まで続きます。多くの組織にとって、このポイントに到達するまでに数か月かかる場合があります。確かに、これは重要なポイントです。しかし、モデルのトレーニングとデプロイが終了した瞬間に、モデルは衰退し始めます。モデルが最高のパフォーマンスを維持できるようにするにはどうすればよいでしょうか。MLOpsに入っていきましょう。

MLOpsはそのループを閉じ、MLプロセスをより単純で、よりスケーラブルで、より信頼性が高く、リスクの低いものにします。MLOpsは、計画、開発、構築、テスト、リリース、デプロイ、運用、監視までのライフサイクルのすべての側面を組み込むことで、組織が既存の機械学習アセットをより有効に活用し、新しいアセットをより簡単かつコントロールされた方法で、作成および管理できるようにします。

最終的に、MLOpsは、DevOpsなどの技法やテクノロジーを組み込み、機械学習、データセキュリティー、ガバナンスを含むように拡張することで、組織内で機械学習の規模を拡大できるようにします。MLOpsは、機械学習を使用して組織がより遠く、より速く進み、競合他社を飛び越すための能力を強化します。

MLパイプラインからMLOpsなどにどのように移行するか
→　こちらよりビデオ（英語）をご覧ください

原文：Dataiku MLOps: How to Operate and Monitor Projects

MLOpsについてのオンデマンドWebセミナー（日本語）をこちらよりご覧いただけます！

『Dataikuでつくるデータパイプライン③ AIのビジネス活用に不可欠なMLOpsの実現』

データパイプラインとは、データの取込からデータ準備、分析・可視化までの一連のプロセスを繰り返し利用できるように自動化したフローです。Dataikuは、データサイエンティストだけでなくデータエンジニアやビジネスユーザーなど、データ活用に関わるあらゆるタイプのユーザーが、同じプラットフォームでデータパイプラインを共有することが可能です。
本セッションでは、モデルのデプロイから、運用時のモニタリング、再学習まで、AIを実際にビジネスに適用する際に不可欠なMLOpsをDataikuでどのように実現できるか、デモを交えてご紹介します。
→　詳細・視聴はこちら