おめでとうございます！

本番環境向けのMachine Learningモデル開発

Sinan Ozdemir

Data Scientist, Entrepreneur, and Author

実験から本番へ

• 本番移行に適したML実験の要件を把握する
• テクニカルデットの原因を理解する

• 効果的なドキュメントと保守しやすいコードを書く
• それによりテクニカルデットを削減する

再現性の確保

• 機械学習の再現性を確保する
• 特徴量エンジニアリングでパイプライン性能を最適化する

• 再現可能な実験を設計する
• 変更追跡のためにデータとモデルのバージョニングを実装する

MLモデルのデプロイ

• さまざまなフレームワークで展開できるよう、MLモデルと環境をパッケージ化する
• 大規模処理に対応できるスケーラビリティを確保する

• MLOpsの4原則：継続的インテグレーション、継続的デリバリー、継続的トレーニング、継続的モニタリング

テストと評価

• テストの種類：ユニットテスト、結合テスト、スモークテスト

• 精度を確認し、モデルの信頼性を評価する
• 問題検出と性能向上のためにモデルをテストする

この先へ！

• 学んだ内容を実務プロジェクトに適用する
• 再現性・スケーラビリティ・信頼性を確保し、データドリフトを監視する
• モデルのA/Bテスト用に実験フレームワークを構築する
• 定期的に再学習・更新し、妥当性と精度を維持する
• 機械学習の新しい動向を学び続ける
• スキルと専門性を継続的に高める

さあ、始めましょう！

本番環境向けのMachine Learningモデル開発