En maskinlæringspipeline er en defineret rækkefølge af trin, der omdanner rådata til en model, der kan tages i brug: indsamling og rensning af data, forberedelse af features, træning, evaluering, udrulning og overvågning. Automatisering af disse trin gør resultaterne reproducerbare og lader nye data blive behandlet med lille indsats. En detailhandler kan f.eks. omtræne og teste sin salgsprognosemodel hver uge med de nyeste tal.
Datarensning er opsporing og rettelse af forkerte, duplikerede eller inkonsistente poster i datasæt. Typiske trin er at ensrette stavemåder og datoformater, fjerne overflødige mellemrum og samle dubletter som 'Hansen ApS' og 'Hansen A/S'. Rene data er en forudsætning for pålidelige analyser, udsendelser og AI-applikationer.
Feature engineering betyder at udvælge, omdanne og skabe egenskaber (features) ud fra rådata, så en læringsalgoritme lettere kan opdage mønstre. Feature-udtræk udleder kompakte, meningsfulde værdier af komplekse data som tekst, billeder eller signaler. Eksempel: Enkelte købsposter omdannes til features som 'dage siden sidste køb' eller 'gennemsnitlig ordreværdi', hvilket kan forbedre en prognose for kundeafgang mærkbart.
MLflow er en open source-platform til styring af hele livscyklussen for machine learning-modeller, oprindeligt introduceret af Databricks i 2018. Den registrerer eksperimenter med deres parametre og målinger, administrerer modelversioner i et register og forenkler udrulning. Nyere versioner understøtter også tracing og evaluering af applikationer bygget på sprogmodeller. Teams kan dermed spore, hvilken model der er skabt med hvilke data og indstillinger.
Kubeflow er en open source-platform til at køre maskinlæringsarbejdsgange på Kubernetes, fra dataforberedelse over træning og hyperparametersøgning til modeldrift. Projektet er oprindelig igangsat af Google og hører under Cloud Native Computing Foundation, hvor det nåede »graduated«-status i august 2026 (status oktober 2026). Det retter sig primært mod teams, der træner egne modeller i stor skala på egen eller cloudbaseret infrastruktur.
