保守しやすいMLコードを書く

本番環境向けのMachine Learningモデル開発

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

プロジェクト構成

• プロジェクトを論理的な構成で整理
• 関連ファイルをまとめる
  • データセットとMLモデルは別フォルダに
• 適切な命名とラベル付けを行う

サンプルプロジェクト構成

README、requirements、data・models・notebooksの3サブフォルダを含むサンプル構成

• README.md: リポジトリの目的と使い方を説明
• requirements.txt: 依存関係の一覧
• data: 生データと加工データなどデータ関連ファイル
• models: モデル作成スクリプト等のモデル関連ファイル
• notebooks: 探索・学習・評価用ノートブック

コードのバージョン管理

• 変更履歴管理にgit等のバージョン管理を使用
• 必要に応じてロールバック可能
• バグや不具合の原因特定に有用
• 並行作業が可能

ドキュメンテーション

• コードとプロジェクト構成を文書化
• 各ファイルや関数の目的を説明
• 使い方を記載
• MLモデルのデプロイ手順を含める

コードの適応性

• 理解・変更・更新が容易
• 変更に要する時間と工数を削減
• データ・コード・要件の変化に適応しやすい
• バグが生じにくい
• 機能や新技術を容易に統合可能
• 時間とともに進化・適応できるMLアプリに必須

実践しましょう！

本番環境向けのMachine Learningモデル開発