MLOpsアプリの監視・再学習・置換

ビジネスのための MLOps

Arne Jonas Warnke

Head of Emerging Curriculum

機械学習モデルの運用

$$

プレデプロイ

$$

プレデプロイ

• どこでも同じ結果を出すようモデルを確保
  • コンテナ化 を含む
• 追加チェック
  • セキュリティ

$$

担当は通常

• ソフトウェアエンジニア または 機械学習エンジニア

$$

MLOpsアプリをデプロイする

$$

MLOpsアプリをデプロイする

デプロイ（CI/CD）

• 大部分が自動化
• さまざまな（自動）テストで構成
• 迅速にロールバック可能

$$

担当は通常

• ソフトウェアエンジニア または 機械学習エンジニア

$$

MLOpsアプリを監視する

MLOpsアプリを監視する

モデルは稼働中

• ビジネス価値を創出
• ダウンタイムや不具合は高コスト
• 厳密な監視が必要
  • ほぼ自動化

失敗時

• 複数の担当者が関与する可能性

モデル品質は時間とともに劣化に注意。

$$

機械学習モデルの再学習

機械学習モデルの再学習

モデル性能は通常低下します

• 経済環境の変化
• 顧客嗜好の違い

そのためモデルを定期的に再学習が必要

• 一部は自動化可能

主な担当

• データサイエンティスト／機械学習エンジニア

$$

練習してみましょう

ビジネスのための MLOps