20.500.12556/RUL-167938 Vloga MLOps pri razvoju programske opreme The Role of MLOps in Software Development 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. As organizations increasingly adopt artificial intelligence and machine learning, they face significant challenges in production model deployment and maintenance. MLOps emerges as a methodology that integrates DevOps principles with machine learning requirements to streamline model lifecycle management through automation and standardization. In this thesis, we conducted a practical comparison between MLOps and DevOps approaches by implementing a cycling race prediction system, while theoretically analyzing other development methodologies. Our findings demonstrate that MLOps offers superior advantages for machine learning systems through enhanced automation, traceability, and reliability, though DevOps remains better suited for projects with infrequent model updates and limited computational resources. This research provides organizations with a valuable framework for optimizing their machine learning development processes. MLOps DevOps metodologije strojno učenje razvoj programske opreme MLOps DevOps methodologies machine learning software development true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2025-03-20 15:45:00 2025-03-20 15:45:04 2025-04-10 11:07:31 0000-00-00 00:00:00 2025 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 37357 232114691 Fortuna_Feliks_-_Vloga_MLOps_pri_razvoju_programske_opreme.pdf Fortuna_Feliks_-_Vloga_MLOps_pri_razvoju_programske_opreme.pdf 1 A2C03E856662FB1E5E7CCB163B14C823 0c1ec12751e912785b805f006e2bf2efe62f1486fc31d1b1a015fcad80212261 e852daec-0598-11f0-b232-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=200869 Fakulteta za računalništvo in informatiko 0 0 0