MLOpsとは
MLOpsとは、機械学習と運用を統合し、データ収集・前処理・学習・評価・デプロイ・監視・再学習までの一連の工程を自動化・継続管理する仕組みです。モデルの性能劣化（データドリフト）への対応に不可欠です。
この用語はG検定シラバスの「35. AI プロジェクトの進め方」に含まれます。 章全体の用語は用語解説⑥（全52語）にまとまっています。
一言でいうと
機械学習モデルを作って終わりにせず、運用・監視・再学習まで回し続ける仕組みです。
なぜ必要なのか
モデルの精度は時間とともに落ちます。利用者の行動が変わる、市場が変わる、季節が変わる——学習時と本番のデータが乖離していくためです。これをデータドリフトといいます。
放置すると気づかないうちに精度が落ちたまま運用され続けることになります。監視の仕組みが不可欠です。
DevOpsとの違い
通常のソフトウェアはコードを変えなければ振る舞いは変わりません。しかし機械学習はコードが同じでもデータが変われば結果が変わります。
そのため、コードだけでなくデータとモデルもバージョン管理し、再現できるようにする必要があります。Dockerによる環境の固定もこの文脈で重要になります。
具体的に何を自動化するのか
- 学習の自動化：新しいデータが溜まったら再学習を回す
- 評価の自動化：精度が基準を下回ったら通知する
- デプロイの自動化：検証を通ったモデルだけを本番に反映する
これらを人手で行うと担当者が変わった途端に回らなくなります。仕組みとして残すことがMLOpsの狙いです。コンテナやクラウドの技術が土台になります。
🎯 G検定での押さえどころ
- 学習から運用・監視・再学習までを継続管理する
- データドリフトへの対応が主眼
- コードだけでなくデータとモデルも管理対象
⚠️ よくある誤りの選択肢
- 「MLOpsはモデルの学習工程だけを対象とする」→ 誤り。運用・再学習まで含みます
- 「機械学習ではコードが同じなら結果は常に同じである」→ 誤り。データで変わります
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。