Специалист, отвечающий за надёжное развёртывание, мониторинг и поддержку ML-моделей в промышленной эксплуатации.
MLOps-инженер — специалист, который берёт на себя ответственность за надёжный жизненный цикл ML-модели после того, как дата-сайентист создал прототип: автоматизацию процесса развёртывания в продакшен, построение систем мониторинга качества предсказаний в реальном времени и настройку автоматического переобучения модели при обнаружении деградации.
Роль требует сочетания навыков из разных областей: понимания принципов работы моделей машинного обучения (чтобы выявлять специфичные проблемы вроде data drift), инфраструктурных навыков в духе классического DevOps (контейнеризация, оркестрация, CI/CD) и умения выстраивать надёжные, воспроизводимые пайплайны данных.
MLOps-инженеры особенно востребованы в компаниях, где ML-модели встроены в критичные для бизнеса процессы — банковский скоринг, прогнозирование спроса, — поскольку незамеченная деградация качества такой модели напрямую влияет на финансовые результаты.
DevOps фокусируется на надёжном развёртывании и эксплуатации обычного программного кода. MLOps-инженер дополнительно решает специфичные для ML задачи: мониторинг деградации качества модели, версионирование данных, автоматическое переобучение.
На старте эти задачи может частично закрывать сам дата-сайентист или AI-инженер, но по мере роста масштаба и критичности ML-систем выделение отдельной роли становится оправданным.
Платформы для версионирования моделей и данных, системы мониторинга метрик качества в продакшене, инструменты автоматизации CI/CD пайплайнов для машинного обучения.