---
title: "DevOps（開発と運用の連携）とは？MLOpsとの対比【G検定対策】"
description: "DevOpsは、開発と運用が連携し、CI/CDや自動化によってソフトウェアを継続的に改善する考え方です。データ・モデル・再学習・性能監視まで管理するMLOpsとの対象範囲の違いを、G検定の選択肢を切る判断軸として整理します。"
last_modified_at: "2026-06-28"
canonical_url: "https://stemtazoo.github.io/gk/devops/"
section: "gk"
---

## まず結論
- **DevOps**とは、ソフトウェア開発（Development）と運用（Operations）が連携し、継続的に価値を届けるための開発・運用手法である。
- G検定では「**MLOpsとの違い**」「**機械学習特有の要素を含むかどうか**」がよく問われる。

## 直感的な説明
DevOpsは、  
**「作って終わり」ではなく「使われ続けるソフトを、早く・安全に届ける」**ための考え方です。

- 開発チームだけで作る ❌  
- 運用チームに丸投げ ❌  

ではなく、  
👉 **最初から一緒に考えて、改善を回し続ける**  
それが DevOps です。

## 定義・仕組み
- DevOps = Development（開発）＋ Operations（運用）
- 目的は以下の循環を高速に回すこと

  - 計画  
  - 開発  
  - テスト  
  - デプロイ  
  - 運用  
  - 改善  

### 特徴
- 自動化（CI/CD）
- 継続的デリバリー
- チーム間の壁をなくす文化・考え方

👉 **DevOpsは「フレームワークというより実践手法・文化」**

## いつ使う？（得意・不得意）
### 得意
- Webサービス
- 業務システム
- 継続的な機能改善が必要なソフトウェア

### 注意点
- 一般的なDevOpsだけでは、機械学習データやモデルの版管理まで十分に扱えない
- 再学習やデータドリフト、モデル性能の監視にはMLOpsの実践が必要

## G検定ひっかけポイント
G検定での最大のポイントは **MLOpsとの違い**。

### DevOps と MLOps の違い（超重要）

| 観点 | DevOps | MLOps |
|---|---|---|
| 対象 | ソフトウェア | 機械学習システム |
| データ管理 | 通常は主対象ではない | 学習・評価データも管理する |
| モデル管理 | 通常は主対象ではない | モデルを版管理する |
| 再学習 | 機械学習固有の仕組みは含まない | 継続的な再学習を扱う |
| ベース | ― | **DevOps** |

### よくある誤り
- ❌ DevOps = 機械学習向け
- ❌ DevOps はモデルの精度管理を行う

👉 **機械学習特有の話が出たら DevOps ではない**

## まとめ（試験直前用）
- DevOpsは **開発と運用を連携させる手法・文化**
- ソフトウェア全般が対象
- 機械学習固有のデータ・モデル・再学習管理はMLOpsで補う
- 機械学習に特化 → MLOps
- **MLOpsの土台がDevOps**