モデルレジストリとは
モデルレジストリ（Model Registry）とは、機械学習モデルのバージョン管理、メタデータの追跡、ライフサイクル管理を行うための集中管理システムです。モデルの開発からステージング、本番環境への昇格、引退までの各段階を体系的に管理し、MLOpsの基盤として機能します。
| ひとことで言うと | 作ったモデルをバージョン管理して、一元的に保管する仕組み。 |
|---|---|
| 何を記録するか | モデル本体、学習データ、パラメータ、評価結果、承認状態。 |
| 注意点 | 記録がないと「本番で動いているのはどれか」が分からなくなる。 |
モデルレジストリの主要機能
モデルレジストリはモデルのバージョニング（異なるバージョンの管理）、ステージ管理（開発→ステージング→本番→アーカイブ）、メタデータの記録（ハイパーパラメータ、学習データ、性能指標）、モデルアーティファクトの保管、アクセス制御などの機能を提供します。
1学習が完了新しいモデルができる
▶
2レジストリに登録版番号と情報を記録
▶
3評価・承認誰が本番可を判断したか
▶
4本番へ配置どの版かが明確
▶
5切り戻しも容易旧版をすぐ取り出せる
代表的なツール
MLflow Model Registryは最も広く使われているオープンソースのモデルレジストリです。Weights & Biases Registry、Neptune.ai、Amazon SageMaker Model Registry、Google Vertex AI Model Registryなどの選択肢もあります。これらのツールはモデルの系譜（Lineage）を追跡し、どのデータとコードでどのモデルが生成されたかを記録します。
モデルレジストリの重要性
本番環境で複数のモデルを運用する場合、どのバージョンのモデルがどの環境で稼働しているかを正確に把握することが不可欠です。モデルレジストリにより、モデルの再現性、監査対応、ロールバック、A/Bテストの管理が可能になり、信頼性の高いMLシステムの運用を支えます。