モデルレジストリ とは？

ただ保存するだけじゃなくて「管理する」のがポイントだよ。たとえばDockerのコンテナレジストリを知っている？コンテナイメージにバージョンタグを付けて管理するよね。あれのAIモデル版と考えるとわかりやすいよ

モデル本体のファイルはもちろん、どのデータで学習したか、どんなハイパーパラメータを使ったか、精度はどのくらいか、誰がいつ登録したかといったメタデータも一緒に管理するよ。あとは「このモデルは開発中」「ステージングでテスト中」「本番稼働中」といったステージ情報もね

モデルのライフサイクルを段階的に管理するんだ。典型的には「None（未分類）→ Staging（検証中）→ Production（本番）→ Archived（引退）」という流れ。本番モデルを入れ替えるときも、新モデルをStagingで十分テストしてからProductionに昇格させる、という安全なワークフローが組めるよ

そう、MLflow Model Registryが代表的だね。UIからモデルのバージョン一覧を確認したり、ステージを変更したり、承認フローを設定したりできるよ。他にもAmazon SageMaker Model Registry、Google Vertex AI Model Registry、Neptune.aiなどがあるね

個人の実験レベルならそれでもいいけど、チーム開発では大変なことになるよ。「本番で動いてるモデルってどれだっけ？」「先週のバージョンに戻したいけどどのファイル？」「このモデルはどのデータで学習した？」こういう疑問にすぐ答えられないと、障害時の対応が遅れるんだ

しかもモデルレジストリがあると、CI/CDパイプラインと連携して「レジストリにProductionステージのモデルが登録されたら自動でデプロイ」という仕組みも作れるんだ。GitOpsのモデル版みたいなもので、これがMLOpsの成熟度を上げる重要なピースなんだよ