Définition

Un ensemble de pratiques qui combine le machine learning, le DevOps et l'ingénierie des données pour déployer et maintenir des modèles de ML en production de manière fiable et efficace. Le MLOps couvre le versionnage de modèles, le suivi d'expériences, les pipelines automatisés, la surveillance et l'entraînement continu.

Terme défini