🎓 第1章：MLOpsの全体像
第1章 MLOpsの全体像
モデルは作って終わりではありません。本番に出した瞬間からデータは変わり、依存は壊れ、性能は静かに劣化します。この章では「MLを運用・実装する」という営みの地図を描きます。DevOps との違い、ML 特有の技術的負債、再現性とバージョニング、パイプライン全体像、そして組織がどこまで自動化できているかを測る成熟度モデルまで——以降の全章（データ基盤・モデル管理・サービング・監視・LLM運用）の前提となる視座を固めます。
トピック一覧
- MLOpsとMLライフサイクル — 基礎
- MLシステムの技術的負債 — 標準
- 再現性とバージョニング — 標準
- MLパイプラインの全体設計 — 標準
- MLOps成熟度モデルと自動化レベル — 標準
この章の要点
- MLOps はループ：DevOps の CI/CD に、データとモデルという「動く部品」が加わる。コードだけでなくデータとモデルもバージョニング・テスト・デプロイの対象になる。
- 技術的負債：ML 特有の負債（CACE＝何かを変えると全部が変わる、データ依存、隠れたフィードバックループ）を知らないと、コードは綺麗でもシステムは腐る。
- 再現性の三位一体：同じ結果を再現するにはコード・データ・環境の3点固定が必要。モデルはその関数。
- パイプライン化：手作業のノートブックから、学習〜評価〜デプロイを定義された自動パイプラインへ。
- 成熟度：自動化の度合いには段階（Google L0-2／Microsoft L0-4）があり、自分の現在地を測ってから次の一手を決める。
関連章
- 第2章 データと特徴量の基盤 — パイプラインの入口
- 第6章 監視と継続的学習 — ループを閉じる出口
- 機械学習：MLOpsと実験管理（理論的背景）