[論文レビュー] Machine Learning Operations (MLOps): Overview, Definition, and Architecture

Dominik Kreuzberger, Niklas Kühl+1 more|arXiv (Cornell University)|May 4, 2022

Industrial Vision Systems and Defect Detection被引用数 50

ひとこと要約

この論文は、混合手法研究に基づくMLOpsの定義、アーキテクチャ、原則、構成要素、役割、ワークフロー、および未解決の課題の総括的概要を提供します。

ABSTRACT

The final goal of all industrial machine learning (ML) projects is to develop ML products and rapidly bring them into production. However, it is highly challenging to automate and operationalize ML products and thus many ML endeavors fail to deliver on their expectations. The paradigm of Machine Learning Operations (MLOps) addresses this issue. MLOps includes several aspects, such as best practices, sets of concepts, and development culture. However, MLOps is still a vague term and its consequences for researchers and professionals are ambiguous. To address this gap, we conduct mixed-method research, including a literature review, a tool review, and expert interviews. As a result of these investigations, we provide an aggregated overview of the necessary principles, components, and roles, as well as the associated architecture and workflows. Furthermore, we furnish a definition of MLOps and highlight open challenges in the field. Finally, this work provides guidance for ML researchers and practitioners who want to automate and operate their ML products with a designated set of technologies.

研究の動機と目的

• MLOpsを定義し、研究者と実務者の範囲を明確にする。
• 文献、ツール、および専門家の意見から、原則、構成要素、および役割を集約する。
• 自動化されたML製品運用を可能にするアーキテクチャとワークフローを説明する。
• 未解決の課題を特定し、MLOps技術の採用に向けた指針を提供する。

提案手法

• 文献レビューを実施して、既存の概念と実践を統合する。
• ツール評価を実施して、利用可能なMLOps技術とエコシステムを評価する。
• 専門家へのインタビューを実施して、実務者の視点を把握する。
• 原則、構成要素、およびアーキテクチャの総括的概要を提供する。
• 収集した証拠に基づいてMLOpsの定義を提供する。

実験結果

リサーチクエスチョン

• RQ1 研究と実務のために、MLOpsとは何であり、どのように定義すべきか？
• RQ2 MLOpsの基本原則、構成要素、および役割は何か？
• RQ3 信頼性のあるML製品の運用を可能にするアーキテクチャとワークフローは何か？
• RQ4 現実の現場でMLOpsを適用する際に残る未解決の課題は何か？

主な発見

• MLOpsは、MLプロダクトのデプロイと運用を取り巻く原則・概念・開発文化で構成されている。
• 実装を導くための、必要な構成要素・役割・アーキテクチャ・ワークフローの総括的セットがある。
• 標準化、ツール統合、プロダクションでのMLの運用といった点がMLOpsの未解決課題である。
• 本論文は、MLプロダクトを自動化・運用するための技術の選択と適用に関して、研究者と実務者へ指針を提供する。