Leksikon
MLOps
MLOps er disciplinen, der får machine learning fra eksperiment til stabil drift. Forstå hvad der skal til, for at en AI-model bliver mere end en prototype.
Hvad er MLOps?
MLOps — Machine Learning Operations — er praksissen omkring at få machine learning-modeller fra et eksperiment på en udviklers maskine og hele vejen ud i pålidelig drift. Det er DevOps-tankegangen anvendt på AI: automatisér, overvåg og gentag, så modeller kan opdateres og køre stabilt.
Hvad det dækker
En model er ikke "færdig", når den virker én gang. Den skal trænes igen, når data ændrer sig, versioneres, sættes i drift, og overvåges for, om dens kvalitet skrider over tid. MLOps er rammen om alt det — så en model ikke stille og roligt bliver dårligere, uden at nogen opdager det.
Hvorfor det betyder noget
Mange AI-projekter strander, fordi de stopper ved prototypen — den virker i en demo, men kan ikke drives forsvarligt bagefter. MLOps er forskellen på et imponerende forsøg og en løsning, der bliver ved med at virke om et år. For de fleste virksomheder er det vigtigste ikke at bygge den smarteste model, men at kunne drive den, man har.
Flere opslag i leksikonet
Se hele leksikonet →Relaterede ydelser
Skal det her omsættes til noget, der virker hos jer? Så er det typisk her, vi kommer ind.
Fra begreb til løsning
Skal et af begreberne her omsættes til noget der rent faktisk virker i din virksomhed, så tag en uforpligtende snak med os.