MLOps
MLOps (machine-learning operations) is de praktijk van het betrouwbaar uitrollen, monitoren en onderhouden van AI- en machine-learningmodellen in productie. Het omvat versiebeheer, evaluatie, kosten, latency en de pipelines die een model na de lancering werkend houden: het roemloze werk dat bepaalt of een AI-functie betrouwbaar is.
Een model in een demo laten werken is het makkelijke deel. Het werkend houden, goedkoop en voorspelbaar, voor echte gebruikers, dat is MLOps. Het is het verschil tussen een AI-prototype en een AI-functie waarop je kunt bouwen.
In de praktijk betekent MLOps evaluatie die je kunt vertrouwen, monitoring op kwaliteit en kosten, versiebeheer voor modellen en prompts, en de pipelines die updates veilig uitrollen. Veel van de echte waarde in een AI-opdracht zit in het verharden en uitrollen van werk dat al half bestaat, en dat is bij uitstek een MLOps-klus, niet een kwestie van modellen bouwen.
