MLOps
Le MLOps (Machine Learning Operations) est l'ensemble des pratiques qui appliquent les principes du DevOps au cycle de vie des modèles de machine learning : versionning du code, des données et des modèles ; CI/CD pour l…
Le MLOps (Machine Learning Operations) est l'ensemble des pratiques qui appliquent les principes du DevOps au cycle de vie des modèles de machine learning : versionning du code, des données et des modèles ; CI/CD pour l'entraînement et le déploiement ; monitoring de la qualité et de la dérive ; reproductibilité des expériences.
Il répond à un constat : la plupart des modèles ML développés ne passent jamais en production, et ceux qui y passent dérivent silencieusement à mesure que la donnée évolue.
Les outils de référence sont MLflow, Kubeflow, Vertex AI, SageMaker, Weights & Biases, Metaflow et DVC pour le versionning de données. Le MLOps précède et complète le LLMOps.