AIシステム導入後

AIを理解する

Maarten Van den Broeck

Senior Content Developer at DataCamp

成功測定のタイミング

MLOps手法のサイクル

AIを理解する

成功測定のタイミング

MLOpsサイクルで成功を測定する

AIを理解する

オフラインでの性能測定 - 正解率

学習データと検証データ

AIを理解する

オフラインでの性能測定 - 正解率

モデルのトレーニング

AIを理解する

オフラインでの性能測定 - 正解率

テスト例を使用したモデルの検証

AIを理解する

オフラインでの性能測定 - 正解率

予測と実際の値のラベルの比較

AIを理解する

オフラインでの性能測定 - 正解率

正解率の測定

AIを理解する

誤差・その他の指標

回帰モデルにおける誤差指標

検索・レコメンドエンジンの指標: ランキングの質(ユーザーとの関連性)、結果の多様性など

おすすめ商品のランキング

AIを理解する

本番環境での成功測定

  • モデル劣化: 測定指標の値が時間とともに悪化

モデルの劣化

  • ビジネス指標: KPI(重要業績評価指標)
    • 組織目標の達成度と進捗状況の指標
AIを理解する

起こりうるリスク

想定されるリスク:

  • データバイアス
  • 透明性の欠如
  • 倫理的懸念
  • システムの信頼性
  • サイバー脅威への脆弱性

PoC(概念実証):

  • 実現可能性や効果を検証するパイロット版。リスクの早期特定が可能。
AIを理解する

練習しましょう!

AIを理解する

Preparing Video For Download...