MLOps のベストプラクティスと落とし穴

ビジネスのための MLOps

Arne Jonas Warnke

Head of Emerging Curriculum

この動画の内容

$$

MLOps

• ベストプラクティス
• 回避すべき落とし穴

$$

MLOps アプリ設計のベストプラクティス

$$

• まずは良質なデータに注力
  • 良いモデルよりも優先
  • データ中心のアプローチ

$$

• ビジネス課題から始める
  • 実現性が不明なら PoC を検討
  • 早期にボトルネックを把握
  • 失敗しても何か学べるようにする

$$

インフラ

$$

インフラのベストプラクティス

• 計算需要は変動する
  • 学習時に特に高い
  • それに備えたインフラが必要
• 伴うコストも考慮

$$

モデリングに関するベストプラクティス

$$

MLOps 観点でのベストプラクティス:

• シンプルなモデルから開始
  • 迅速に開発でき、ベースラインになる
  • 理解しやすい

新しいモデルを追加する際:

• 現状より本当に良いか?

$$

テスト

$$

自動テスト

ライフサイクル全体で

• コード
• モデル
• データ品質
• パイプライン全体

コード品質と再現性

$$

すべての結果が

• 理解可能
• 再現可能

=> コード品質のテスト

$$

ナレッジトランスファー

$$

バージョニング

• モデルとコード
• （保存する）データ

文化を維持

• ドキュメント
• クリーンコード
• ナレッジ共有

$$

得たインサイトを文書化

$$

得られた知見を記録

• 最終アプリに含まれなくても

$$

運用に関するベストプラクティス

$$

自動化

• ログ
• モニタリング の実践

$$

チームを訓練

• エラーに迅速に対応するため

$$

• 継続的モニタリング／継続的トレーニング

$$

Ayo berlatih!

ビジネスのための MLOps