Wenn Sie diesen Text sehen, ist auf ihrem Gerät noch nicht das neue Layout geladen worden. Bitte laden Sie diese Seite neu (ggf. mit gedrückter 'Shift'- oder 'Alt'-Taste) oder in einem 'privaten Fenster'.
Weitere Hinweise unter https://www.uni-hildesheim.de/wiki/lsf/faq/fehler.im.layout.

Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
  1. SucheSuchen         
  2. SoSe 2024
  3. Hilfe
  4. Sitemap
Switch to english language
Startseite    Anmelden     

Review Protocol: A systematic literature review of MLOps (Forschungsbericht) - Einzelansicht

  • Funktionen:


Titel der Arbeit (title) Review Protocol: A systematic literature review of MLOps
Titel der Zeitschrift bzw. Zeitung Hildesheimer Informatik Berichte
Erscheinungsjahr 2023
Institution (institution) Institut für Informatik
Band-Heft-Nr SSE 2/23/E
Monat August
Typ (type) Hildesheimer Informatik-Berichte
Publikationsart Forschungsbericht

<p>MLOps have become an increasingly important topic in the deployment of machine learning in production. While Machine Learning Operations was predominantly used as a buzzword for methods in Machine Learning (ML) for the time being, since 2019, they are increasingly used in the context of deploying ML algorithms. This report is a protocol for a systematic literature review (SLR) that aims to determine the MLOps terminology and identify related activities. A further goal of the SLR is to identify where MLOps can be linked to classical software engineering. In addition, related automation techniques are considered.</p>

<p>The projected literature review aims to draw conclusions from papers that explicitly use the term MLOps or Machine Learning Operations with the objective to provide the necessary common baseline for future MLOps research and practice. This report thoroughly documents the SLR method, processes, and data material. We also gathered all relevant data to comprehend MLOps fully. Through our comprehensive analysis, we hope to
provide valuable insights and recommendations for optimizing MLOps practices.</p>

Zugeordnete Projekte

EXPLAIN - Explanatory interactive Artificial intelligence for Industry

Beteiligte Personen

Faubel, Leonhard  M.Eng.  
Schmid, Klaus, Professor Dr.  


Abt. Software Systems Engineering


Projekt Explain

Externe Dokumente

Name Dateiname
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit