中小規模程度の組織において機械学習の活用が進められている．
例えば，商品の検品に機械学習モデルの利用が検討されている．
一方，継続した運用には，精度の劣化を防ぐ再学習が必要であり，
運用を開発にフィードバックするMLOpsが適する．
MLOps基盤には，機械学習を行う高性能な計算リソースと大容量の学習データを管理するストレージが必要になる．
しかし，これら全てをクラウドまたはオンプレミスのいずれか一箇所に用意すると，多くの費用が掛かる．
本稿は，MLOps基盤の構成要素をクラウドとオンプレミスに分けて配置することで，再学習とデータ管理，運用を低費用で実現するハイブリッドMLOps基盤を提案する．