<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=167938"><dc:title>Vloga MLOps pri razvoju programske opreme</dc:title><dc:creator>Fortuna,	Feliks	(Avtor)
	</dc:creator><dc:creator>Lavbič,	Dejan	(Mentor)
	</dc:creator><dc:subject>MLOps</dc:subject><dc:subject>DevOps</dc:subject><dc:subject>metodologije</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>razvoj programske opreme</dc:subject><dc:description>S hitro rastjo uporabe umetne inteligence in strojnega učenja se podjetja soočajo z izzivi implementacije in vzdrževanja modelov v produkcijskem okolju. MLOps je metodologija, ki združuje principe DevOps in naslavlja specifične potrebe strojnega učenja s ciljem avtomatizacije, standardizacije in učinkovitega upravljanja celotnega življenjskega cikla modelov strojnega učenja. V diplomski nalogi smo raziskali vlogo MLOps pri razvoju programske opreme ter izvedli praktično primerjavo z DevOps pristopom na primeru razvoja sistema za napovedovanje zmagovalcev kolesarskih dirk, medtem ko smo druge metodologije razvoja primerjali s teoretičnega vidika. Raziskava je pokazala, da MLOps pristop prinaša številne prednosti pri razvoju sistemov strojnega učenja predvsem v smislu avtomatizacije, sledljivosti in zanesljivosti modelov, medtem ko DevOps ostaja primernejši za projekte z redkejšimi posodobitvami modelov in za okolja z omejenimi računalniškimi viri. Rezultati te raziskave predstavljajo pomemben referenčni okvir za organizacije pri načrtovanju in optimizaciji razvojnih procesov sistemov strojnega učenja.</dc:description><dc:date>2025</dc:date><dc:date>2025-03-20 15:45:00</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>167938</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>