MLOps (Nền tảng vận hành máy học) là một hệ thống tự động hóa và quản lý liên tục quy trình từ phát triển mô hình máy học đến triển khai sản xuất, giám sát và học lại dưới dạng một chuỗi các quy trình.
MLOps là một phương pháp vận hành tự động hóa việc học, triển khai, giám sát và học lại các mô hình học máy dưới dạng một chuỗi quy trình và áp dụng khái niệm DevOps vào lĩnh vực học máy. Cụ thể, điều này bao gồm quản lý dữ liệu, kiểm soát phiên bản mô hình, triển khai tự động bằng CI/CD và giám sát hiệu suất mô hình trong môi trường sản xuất (phát hiện sai lệch dữ liệu). Kể từ năm 2026, với sự lan rộng của AI và LLM tổng quát, lĩnh vực liền kề có tên "LLMOps" cũng sẽ mở rộng và ngày càng nhiều tổ chức sẽ đưa tính năng quản lý kịp thời và giám sát chi phí API vào phạm vi hoạt động của họ. Những cạm bẫy trong hoạt động thực tế bao gồm thực tế là độ chính xác của mô hình giảm dần theo thời gian do những thay đổi trong phân phối dữ liệu và chi phí làm lại tăng lên nếu cơ chế giám sát/học lại được xây dựng sau đó. Khi lựa chọn công cụ tại hiện trường, các nhóm nhỏ có xu hướng chọn cấu hình kết hợp nền tảng tự động hóa quy trình làm việc nguồn mở, trong khi các tổ chức lớn có xu hướng chọn nền tảng MLOps được quản lý từ các nhà cung cấp đám mây. Chi phí thực hiện tăng tỷ lệ thuận với quy mô của quy trình và mức độ chi tiết của các hạng mục giám sát, do đó, những người trong lĩnh vực này nên bắt đầu với một thiết kế bắt đầu với các hạng mục giám sát cần thiết tối thiểu sau khi hiểu rõ thị trường.