機械学習デザインパターン ―データ準備、モデル構築、MLOpsの実践上の問題と解決

訳者あとがき

機械学習を中心としたAI全盛の時代を迎え、ビジネスや仕事のあり方が大きく変革しつつあります。本書の作り方もその一例です。深層学習や転移学習により発展した自然言語処理に基づく機械翻訳を一部活用し、効率良く翻訳を進められました。社会の隅々までを機械学習が支えるという時代において、その最適なモデルや開発・運用の方法および基盤を、自ら効率良く高信頼に組み立てて改善し続けることがAIエンジニアにますます求められています。本書は、機械学習のモデルや開発・運用にあたりほぼ必ず直面する問題と解決のエッセンスを、30のデザインパターンとしてまとめたものです。各デザインパターンをいわば共通の「ことば」として、最適な開発と運用のあり方を検討し、仲間と対話し、改善し続けることに役立てていただけるよう願っています。

訳者らはJST未来社会創造事業eAI（engineerable AI）プロジェクト†1において、機械学習における各種のベストプラクティスを調査し整理体系化する過程で、本書に出会いました。本書を初めて手に取ったとき、「やられた！」と思ったことを覚えています。データ表現からモデルの構築、さらにはMLOps基盤の使いこなしまで、ずっと長く使えるプラクティスが、それもパターンという適度な抽象度ですでに網羅されていたからです。本書でそうした必須のボキャブラリを押さえた上で、同プロジェクトにて追加整理している周辺のデザインパターンSoftware Engineering Patterns for Machine Learning Applications（SEP4MLA）†2†3†4もぜひお役立ていただければ幸いです。

[†1] JST未来社会創造事業, JPMJMI20B8, 機械学習を用いたシステムの高品質化・実用化を加速する"Engineerable ...