MLOps (Machine Learning Operations) extiende las prácticas de DevOps al mundo del machine learning, abordando desafíos específicos como versionar no solo el código sino también los datos y los modelos entrenados, y monitorear el desempeño de un modelo ya desplegado en producción a lo largo del tiempo.
Por qué surgió como disciplina propia
Un modelo de machine learning no termina su ciclo de vida al entrenarse: su desempeño puede degradarse con el tiempo a medida que el mundo real cambia, lo que exige procesos sólidos de monitoreo, reentrenamiento y despliegue continuo que van mucho más allá de simplemente escribir el código de entrenamiento inicial.