MLflow är en plattform med öppen källkod för att hantera hela livscykeln för maskininlärningsmodeller, ursprungligen introducerad av Databricks 2018. Den registrerar experiment med deras parametrar och mätvärden, hanterar modellversioner i ett register och förenklar driftsättning. Nyare versioner stöder även spårning och utvärdering av applikationer som bygger på språkmodeller. Team kan därmed följa vilken modell som skapats med vilka data och inställningar.
En pipeline för maskininlärning är en definierad följd av steg som gör rådata till en driftsättningsbar modell: insamling och rensning av data, förberedelse av variabler, träning, utvärdering, driftsättning och övervakning. Genom att automatisera stegen blir resultaten reproducerbara och nya data kan bearbetas med liten insats. En återförsäljare kan till exempel träna om och testa sin modell för försäljningsprognoser varje vecka med de senaste siffrorna.
Kubeflow är en plattform med öppen källkod för att köra arbetsflöden för maskininlärning på Kubernetes, från dataförberedelse via träning och hyperparametersökning till modellserving. Projektet initierades ursprungligen av Google och tillhör Cloud Native Computing Foundation, där det nådde statusen ”graduated” i augusti 2026 (läge oktober 2026). Det riktar sig främst till team som tränar egna modeller i stor skala på egen infrastruktur eller i molnet.
Amazon SageMaker är molntjänsten från Amazon Web Services (AWS) för att bygga, träna och driftsätta maskininlärningsmodeller. I slutet av 2024 bytte den ursprungliga tjänsten namn till ”Amazon SageMaker AI”; sedan dess avser ”Amazon SageMaker” en bredare plattform för data, analys och AI med gränssnittet SageMaker Unified Studio (per oktober 2026). Den används främst av data science-team som kör modeller på AWS-infrastruktur.
Modelldrift är den gradvisa försämringen av en modells prediktiva kvalitet under drift, eftersom verkligheten förändras jämfört med träningsdata. Man skiljer mellan förändringar i indata (datadrift) och förändringar i sambandet mellan indata och utfall (konceptdrift). Exempel: en modell för att upptäcka bedrägerier missar nya bedrägerimetoder. Åtgärder är löpande övervakning av mätvärden och regelbunden omträning.
