Suche nach Personen

plus im Publikationsserver
plus bei Google Scholar

Bibliografische Daten exportieren
 

Machine learning operations (mlops) : Overview, definition, and architecture

DOI zum Zitieren der Version auf EPub Bayreuth: https://doi.org/10.15495/EPub_UBT_00007577
URN zum Zitieren der Version auf EPub Bayreuth: urn:nbn:de:bvb:703-epub-7577-0

Titelangaben

Kreuzberger, Dominik ; Kühl, Niklas ; Hirschl, Sebastian:
Machine learning operations (mlops) : Overview, definition, and architecture.
In: IEEE Access. Bd. 11 (2023) . - S. 31866-31879.
ISSN 2169-3536
DOI der Verlagsversion: https://doi.org/10.1109/ACCESS.2023.3262138

Volltext

[thumbnail of Machine_Learning_Operations_MLOps_Overview_Definition_and_Architecture.pdf]
Format: PDF
Name: Machine_Learning_Operations_MLOps_Overview_Definition_and_Architecture.pdf
Version: Veröffentlichte Version
Verfügbar mit der Lizenz Creative Commons BY-NC-ND 4.0: Namensnennung, nicht kommerziell, keine Bearbeitung
Download (2MB)

Angaben zu Projekten

Projekttitel:
Offizieller Projekttitel
Projekt-ID
Open Access Publizieren
Ohne Angabe

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 contribute to the body of knowledge by providing an aggregated overview of the necessary principles, components, and roles, as well as the associated architecture and workflows. Furthermore, we provide a comprehensive 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.

Weitere Angaben

Publikationsform: Artikel in einer Zeitschrift
Keywords: CI/CD; DevOps; machine learning; MLOps; operations; workflow orchestration
Themengebiete aus DDC: 000 Informatik,Informationswissenschaft, allgemeine Werke > 004 Informatik
300 Sozialwissenschaften > 330 Wirtschaft
Institutionen der Universität: Fakultäten > Rechts- und Wirtschaftswissenschaftliche Fakultät > Fachgruppe Betriebswirtschaftslehre
Fakultäten > Rechts- und Wirtschaftswissenschaftliche Fakultät > Fachgruppe Betriebswirtschaftslehre > Lehrstuhl Wirtschaftsinformatik und humanzentrische Künstliche Intelligenz > Lehrstuhl Wirtschaftsinformatik und humanzentrische Künstliche Intelligenz - Univ.-Prof. Dr.-Ing. Niklas Kühl
Fakultäten
Fakultäten > Rechts- und Wirtschaftswissenschaftliche Fakultät
Fakultäten > Rechts- und Wirtschaftswissenschaftliche Fakultät > Fachgruppe Betriebswirtschaftslehre > Lehrstuhl Wirtschaftsinformatik und humanzentrische Künstliche Intelligenz
Sprache: Englisch
Titel an der UBT entstanden: Ja
URN: urn:nbn:de:bvb:703-epub-7577-0
Eingestellt am: 18 Mrz 2024 09:42
Letzte Änderung: 18 Mrz 2024 09:43
URI: https://epub.uni-bayreuth.de/id/eprint/7577

Downloads

Downloads pro Monat im letzten Jahr