狠狠撸

ML Ops による AI モデルの作り方
? ML Ops を実現するサービスとアーキテクチャ
?
Machine Learning with CI/CD & Automation
株式会社 FIXER
Microsoft MVP / Fellow, Head of R&D Division
千賀大司

@hiroshi1000
Microsoft MVP for AI
千賀大司
Fellow, Head of R&D Division
せんがひろし
山本和貴
Data Scientist, AI/ML Engineer
R&D Division
やまもとかずき

https://tech-blog.cloud-config.jp/2019-05-30-decode2019-mlops/

de:code 2019登壇資料：MLOpsによるAIモデルの作り方

? 賢いモデル＝予測精度の高いモデル
ML/AIのライフサイクル実現という革命的
進化！
? 予測精度が下がっても
?真のAIにまた一歩近づく

? Azure Machine Learning Service
Automated Machine Learning
? 分類器のアルゴリズムを自動的に選択
? ハイパーパラメーターのチューニングまで自動で実施

複雑すぎる機械学習（モデル選択やチューニン
グ）
「Cloud and Server Product Japan Blog」より
https://blogs.technet.microsoft.com/mssvrpmj/2018/12/14/new-automated-machine-learning-capabilities-in-azure-machine-learning-service/

DNNを含め、多様な
アルゴリズムを利用可
能

モデル開発マイグレーション
?ML/AIのライフサイクル管理へ
?AI/MLが自動的に学習して勝手に
精度を向上させる、自分で賢くな
る

利用履歴?精度データ
ModelDataCollector

Automation Environment Repos

CI/CD Services Cloud Environment Artifacts

https://azure.microsoft.com/ja-jp/services/devops/

? Python 2, Python 3, R, and F#
? Azure ML SDKセットアップ済み
? 4GBメモリ、1GBデータまでのイ
ンスタンスは無料利用可
? 独自のインスタンスも利用可(有
料)

? Azure Notebooks から
ワークスペースを利用
? 学習済みモデルの管理
? 学習済みモデルを格納し
た
コンテナを管理

MLOps / パイプラインの入り口
Azure Notebooksへのソースの展開

Automated Machine Learning
による学習の自動化

通常のトレーニング

Automated MLのトレーニング

MLOps
? MLライフサイクル管理の自動化 ?

Azure DevOps / Pipelines ライフサイクル構築
Azure Pipelines でのパイプライン作成
二つのパイプライン ~BuildsパイプラインとReleasesパイプライン~

GitHubとの連携?フックからの自動ビルド
@hiroshi1000
モデルのトレーニング → GitHubフックによりAMLS起動
? COPYRIGHT 2019 FIXER inc.

@hiroshi1000
トレーニング済みモデルの格納
モデルのコンテナイメージ化

@hiroshi1000
コンテナイメージのデプロイ

コンテナの動作確認

https://github.com/hiroshi1000/decode2019-Azure-
MLOps
https://notebooks.azure.com/hiroshi1000/projects/decode2019-
MLOps

【初心者の方も歓迎】
https://fixer-lab.connpass.com/event/133303/

狠狠撸

de:code 2019登壇資料：MLOpsによるAIモデルの作り方

More Related Content

de:code 2019登壇資料：MLOpsによるAIモデルの作り方

Editor's Notes