フィードバックループ、再学習、ラベリング

End-to-End Machine Learning

Joshua Stapleton

Machine Learning Engineer

フィードバックループ

  • モデル出力をシステム入力として利用:
    • 指標・予測でシステム進化を判断
    • モデル監視を活用可能

 

  • MLの中核要素:
    • 迅速な学習と調整を可能にする
    • 変化により良く適応

フィードバックループの原理を示す2本の循環矢印

End-to-End Machine Learning

フィードバックループの実装

データドリフト検知

  • 入力データの分布が時間とともに変化
  • フィードバックループ: 新しいデータで再学習

オンライン学習

  • 変化するデータに合わせ定期的に再学習
  • ドリフト超え: データ構造の変化にも適応

データドリフト

オンライン学習

End-to-End Machine Learning

フィードバックループのリスク

リスク…

  • モデルの出力が入力に影響
  • 例: ソーシャルメディアの推薦
    • ユーザーのエンゲージメント最大化
    • 特定タイプのコンテンツを学習して提供
    • その閲覧がさらに増える
    • など
  • 望ましくない行動パターンが形成
  • 自動化されるほど危険

危険を示す大きな赤いバツ印

End-to-End Machine Learning

フィードバックループのより良い活用

  • リアクティブ:

    • Human in the loop
    • 予測が入力データを変えない

  • 注意と監督が重要

より良い活用のための大きな緑のチェック

End-to-End Machine Learning

演習に進みましょう！

End-to-End Machine Learning

Preparing Video For Download...