実験トラッキング

MLOpsの概念

Folkert Stijnman

ML Engineer

機械学習の実験

なぜ実験トラッキングが重要か

各実験では、次を設定できます：

MLライフサイクルでの活用

実験トラッキングの利点：

• 結果を比較できる
• 過去の実験を再現できる
• 開発者・関係者と協働しやすい
• 結果を関係者に報告しやすい

実験をどう記録するか

ツール	長所	短所
スプレッドシート	直感的で使いやすい	手作業が多い
独自プラットフォーム	自社プロセスに特化したカスタム対応	時間と労力が必要
実験トラッキングツール	実験用に特化して設計	ツール習熟が必要

 

機械学習の実験例

実験のプロセス

1. 仮説を立てる：「〜と期待する」
2. 画像とラベルを収集
3. 実験を定義（モデル種別、ハイパーパラメータ、データセットなど）
4. 実験トラッキングを設定
5. 機械学習モデルを学習
6. ホールドアウトテストセットで評価
7. 最適なモデルを登録
8. 可視化して関係者に報告し、次の方針を決定

Let's practice!

MLOpsの概念