Machine Learning Operations (MLOps) es una evolución de la metodología DevOps que busca incluir los procesos de Aprendizaje Automático (Machine Learning) y Ciencia de Datos (Data Scientist) en el proceso de desarrollo y operaciones de los modelos basados en aprendizaje con el objetivo de automatizar y gobernar la construcción y utilización de modelos.
Este tipo de metodología o conjuntos de buenas prácticas ha dado lugar a diferentes tipos de tecnologías y frameworks que nos permiten automatizar la construcción de modelos de ML de manera sencilla, rápida y fiable ya que se aplican en el ciclo de vida del modelo de manera íntegra, desde su desarrollo, hasta su orquestación y puesta en producción.
También se ocupa de la salud del modelo y diagnóstico, su gobierno y las métricas que utiliza el equipo de negocio para analizar la utilidad del modelo.
Este tipo de prácticas se considera como la evolución natural de los proyectos de Machine Learning que suelen surgir de la investigación hasta aplicarse en la mayoría de negocios. Esto se traduce en la madurez de sus procesos de operaciones, creando conexiones con aquellas prácticas de DevOps y DataOps.