MLOps（机器学习运维）是将机器学习系统的开发与生产运维相结合的工程实践体系，融合了机器学习、数据工程和DevOps的方法论。其核心涵盖数据管理、模型训练、版本控制、自动化部署、持续集成与交付、以及生产环境中的模型监控与迭代更新，旨在提升机器学习项目从实验阶段到生产落地的可靠性、可重复性与可扩展性。
MLOps这一概念大约在2018-2019年间开始被业界广泛讨论
LinkedIn等平台上的MLOps相关岗位在过去三年中增长超过300%
MLOps位于软件工程、数据工程、机器学习和DevOps的交汇处，对工程能力的要求往往超过对算法能力的要求
谷歌的MLOps成熟度模型将ML系统分为0到2级，Level 2实现完整的CI/CD/CT闭环
当前全球范围内AI工程师、数据科学家、MLOps工程师的缺口依然巨大