🗺️ このノートは MLOps・AI基盤 テキストの最上位ハブ です（Mímisbrunnr インフラ・システム系）。
MLOps・AI基盤 全体目次
モデルは作って終わりではない。本番で動かし、監視し、ドリフトに対応し、再学習し続けて初めて価値になる。データ/特徴量の基盤、実験管理、サービング、推論最適化、監視、そしてLLM運用まで — MLを「動かし続ける」基盤を体系化する。
このサイトの位置づけ
- MLを運用・実装する基盤が主役：モデル/アルゴリズムそのものは機械学習へ、汎用の計算/コンテナ基盤はクラウド・インフラへ、汎用データ基盤はデータエンジニアリングへ wikilink で繋ぐ
- LLM/生成AIの固有スペック・ツールは動きが速いため「要最新確認」
章別目次
全7章・28トピック完結（各章の本文ノートは章目次から辿れます）。
- 第1章 MLOpsの全体像（5）— 第1章 MLOpsの全体像 目次
- 第2章 データと特徴量の基盤（4）— 第2章 データと特徴量の基盤 目次
- 第3章 実験管理とモデル管理（3）— 第3章 実験管理とモデル管理 目次
- 第4章 デプロイとサービング（4）— 第4章 デプロイとサービング 目次
- 第5章 推論の最適化（3）— 第5章 推論の最適化 目次
- 第6章 監視と継続的学習（4）— 第6章 監視と継続的学習 目次
- 第7章 LLM・生成AIの運用基盤（5）— 第7章 LLM・生成AIの運用基盤 目次
関連分野（Mímisbrunnr）
- 機械学習（モデル・アルゴリズム・LLMの原理）
- クラウド・インフラ（計算/コンテナ/CI-CD基盤）
- データエンジニアリング（データ供給基盤）
- 因果推論（A/Bテストによるリリース評価）