Med boomen av ML-applikasjoner og AI er det klart at det å utvikle en nøyaktig modell bare er en del av puslespillet. For å lykkes med å lage et Machine Learning-drevet produkt, må man lage MLops-praksis og infrastruktur for å trene, distribuere og administrere ML-modeller i produksjon. Noen sentrale emner inkluderer: - MLops-verktøy - Modelldrift og overvåking - Sømløs omskolering og modellversjon - Dataversjonsbehandling samt lagrede gjenstander.