惭尝翱辫蝉の概要と初学者が気をつけたほうが良いこと
0 likes1,189 views
2021/7/31 機械学習の社会実装勉強会にて発表した内容です。 タイトル：惭尝翱辫蝉の概要と初学者が気をつけたほうが良いこと
![[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets](https://cdn.slidesharecdn.com/ss_thumbnails/20220325okimura-220405024717-thumbnail.jpg?width=560&fit=bounds)
More Related Content
What's hot (20)
Similar to 惭尝翱辫蝉の概要と初学者が気をつけたほうが良いこと (11)
Recently uploaded (7)
惭尝翱辫蝉の概要と初学者が気をつけたほうが良いこと
- 2. 自己紹介 名前：田中 翔 (tsho) twitter: tshowis 大手販促メディア/人材メディアにてデータ分析者 /データエンジニア としてレコメンドエンジン等の開発 /実装/運用を担当。 データに関わらずウェブアプリケーションの開発からサーバーサイ ド、インフラ構築ど幅広く従事。 - MLOps勉強会事務局 本発表は所属する組織とは関係なく、 個人の見解と調べたこと発表いたします。
- 5. MLOps MLOps = Machine Learning Operations = 機械学習の運用 ?機械学習モデルを運用する際の効率化？（ DevOpsの意味を汲んで） そもそも機械学習モデルの運用とはなに？
- 6. 例：よく見られるMLOpsの範囲 NIPS, 2015, Hidden Technical Debt in Machine Learning Systems
- 7. 例：MLOpsツールのカバー範囲の一例 - Data Versioning - Feature Store - Experiment Tracking - Training Orchestration - Explainability - Model Serving - Model Monitoring データ準備/ 探索的データ解析 モデル解釈 モデル実装 モデル運用 MLOps Toys | A Curated List of Machine Learning Projects より
- 9. MLOpsを導入するには？ いろいろなアプローチがあるので銀の弾丸は無い 1. あたりをつけて進める方法 - 実現可能性 x ROI（投資対効果）を考えて、どのプロセスから自動化 /効率化する良いか検討して進める 2. 好きな技術から進める方法 - 自分が導入したい技術を導入していく。モチベーションが続きやすい
- 10. 方法１：あたりをつけて進める方法 データ準備 モデリング デプロイ 監視/管理 実現可能性 ROI ? 注意：上記は簡易的なサンプルですので他にも評価方法はあります。
- 12. ROI（投資対効果） 自動化などを導入するにあたり業務効率化やインパクトはどれくらいあるのか？ 例えば、１モデルができてリリースするまでにかかる時間として - これまでのやり方：18h/月 - リリースするための計画書準備： 2h - リリースする人とダブルチェックする人の工数を抑えて作業時間： 1h x 2人 = 2h - 動作確認：0.5h - 上記を毎週行う場合： (2h + 2h + 0.5h) x 4 weeks = 18時間 / 月 - CDを導入する場合：4h / 月 - 計画書は不要： 0h - リリースはボタン一つか自動化されるので： 0.5h(多くて) - 動作確認：0.5h(念の為するという意味で。 CIを導入や本番環境での自動での動確があれば不要） 上記の場合、(18h - 4h) x 12ヶ月 = 168h / 年 上記以外にも定量的に測ることは難しいが精神的負荷も減って、 他の作業に注力できることもメリットとしてある。
- 13. たとえば データ準備 モデリング デプロイ 監視/管理 上記の場合は、デプロイから自動化を適用していくのが組織として話が進めやすいことが多 い。CI/CDなどのツールを導入するを検討するのが良いパターン。 実現可能性 △ ? ○ ? ROI △ ○ ○ ?
- 16. おわり / 参考 Hidden Technical Debt in Machine Learning System https://papers.nips.cc/paper/2015/file/86df7dcfd896fcaf2674f757a2463eba-Paper.pdf MLOps toys https://mlops.toys/ 惭尝翱辫蝉はバズワード /tetsutarowatanabe/mlops-249382186 MLOps: 機械学習における継続的デリバリーと自動化のパイプライン https://cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning