G検定 用語解説
MLOpsとは
機械学習モデルの開発チームと運用チームが連携し、学習・検証・デプロイ・監視までを一連の継続的な仕組みとして回す考え方・体制。DevOpsの手法を機械学習プロジェクトに応用したもの。
まず押さえる結論
MLOpsは、G検定の「大項目7 AIの社会実装に向けて」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×CRISP-DM（進め方の枠組み）とPoC（概念実証）の役割の取り違え。
×データリーケージ（学習・評価データに正解情報が混入する事故）の見落とし。
×説明可能AI（XAI）・公平性・透明性など、近い概念の取り違え。
関連する確認問題
大項目7 AIの社会実装に向けて / データの整備と運用
ウェアラブル端末内で心拍異常を即時検知し、生データを常時クラウド送信しない構成はどれか。
この事例では「発生端末側で低遅延推論を行うか」を確認すると、エッジAIに絞れる。正解は「エッジAI」である。エッジAIは、端末や現場に近い場所でAIの推論などを行う構成であり、通信遅延やデータ送信量を抑えたい場面で用いられる。クラウドはネットワーク越しに計算資源を利用する形態、MLOpsはモデルの開発・運用を継続的に回す方法論、プライバシー・バイ・デザインは設計段階から個人情報保護を組み込む考え方である。 計算する場所を確認する。クラウドは遠隔データセンターの計算資源、MLOpsは開発運用の方法論、プライバシー・バイ・デザインは設計原則である。工場端末やスマートフォンなど現場側で推論するのがエッジAIである。
大項目7 AIの社会実装に向けて / データの整備と運用
農地のセンサ端末で病害兆候を推論し、通信が途切れても警告を出せる構成はどれか。
この事例では「ネットワーク接続に依存せず現場側で推論するか」を確認すると、エッジAIに絞れる。正解は「エッジAI」である。エッジAIは、端末や現場に近い場所でAIの推論などを行う構成であり、通信遅延やデータ送信量を抑えたい場面で用いられる。クラウドはネットワーク越しに計算資源を利用する形態、MLOpsはモデルの開発・運用を継続的に回す方法論、プライバシー・バイ・デザインは設計段階から個人情報保護を組み込む考え方である。 計算する場所を確認する。クラウドは遠隔データセンターの計算資源、MLOpsは開発運用の方法論、プライバシー・バイ・デザインは設計原則である。工場端末やスマートフォンなど現場側で推論するのがエッジAIである。
大項目7 AIの社会実装に向けて / AIプロジェクトの進め方
データ分析やデータマイニングのプロジェクトを、「業務理解」「データ理解」「データ準備」「モデリング」「評価」「展開」の6つの段階に分けて反復的に進める、代表的なプロセスモデルはどれか。
正解は「CRISP-DM」である。「業務理解→データ理解→データ準備→モデリング→評価→展開」の6段階を反復しながら進めるデータ分析・データマイニングの標準的な工程モデルがCRISP-DMである。PoCは本格開発の前に実現可能性を小規模な試作で検証する取り組みであり、6段階に分かれた反復型の工程モデルそのものではない。MLOpsはモデルを本番環境へデプロイした後の運用・再学習を継続的に回す仕組みで、分析プロジェクトの立ち上げから展開までの工程を定めるものではない。BPRは業務の流れ自体を抜本的に作り直す経営手法で、データ分析の作業段階を規定する語ではない。PoC・MLOps・BPRはいずれもAIプロジェクトの異なる局面（検証・運用・業務改革）を指す語であり、6段階の反復工程というCRISP-DMの定義とは階層が異なる。
同じ章で確認したい用語
到達チェック
- MLOpsを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、MLOpsに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）