実験時の環境を実サービス環境に向けてポータブルにするためのコンテナ化やIaC(Infrastructure as Code)が存在しない。　

データ処理パイプライン

アンチパターン

データサイエンティストや機械学習エンジニアの作成したモデル構築や実験結果を効率よく本番のサービスに再現性高く活用することが目的です。コンテナやIaCを活用することで、実サービス環境への導入を効率化したり再現性の高い高品質なデータ活用のサービス構築ができるようになります。

実行環境を他のプロセスから隔離し、その中でアプリを動作させる仮想化技術です。

ITインフラ（プロセス、ベアメタルサーバー、仮想サーバーなど）の構成管理・機械処理可能な定義ファイルの設定をコードを使って管理し、プロビジョニング・自動化するプロセスです。