MLOps

開発と運用を統合する文化と実践

MLOpsは、機械学習(ML)システムの開発(Dev)と運用(Ops)を統合することを目指す、ML工学の文化と実践です。ここでいう開発はモデルやシステムを作る作業、運用は作ったシステムを動かし続ける作業を指します。Googleの文書は、DevOpsの原則をMLシステムに当てはめること(MLOps)を、この文書の対象と位置づけています。DevOpsは、一般に、ソフトウェアの開発と運用を連携させる考え方を指す語です。

MLOpsを実践するということは、MLシステムを構築するすべての段階で自動化と監視を推進することを意味します。対象となる段階として、統合、テスト、リリース、デプロイ、インフラ管理が挙げられています。デプロイとは、作ったシステムを実際に使える環境へ配置することです。

自動化の対象になるCI・CD・CT

MLシステムを自動化する対象として、CI、CD、CTの3つが挙げられています。

CI(継続的インテグレーション)は、変更を継続的に統合し、テストする取り組みを指します。CD(継続的デリバリー)は、変更を継続的にリリースやデプロイへつなげる取り組みを指します。CT(継続的トレーニング)は、モデルの再学習と提供を自動で行うことに関わる性質です。

MLシステムならではの点

CTは、MLシステムに固有の新しい性質とされています。通常のソフトウェアにはない、モデルを学習し直して提供するという作業を自動化の対象に含む点が特徴です。

CDの対象にも違いがあります。MLシステムでのCDは、単一のソフトウェアをデプロイするのではなく、別のサービスであるモデル予測サービスを自動でデプロイするシステム、つまりMLの学習パイプラインを対象にするとされています。学習パイプラインとは、データからモデルを学習させるまでの一連の処理のつながりのことです。