MLOps実装ガイド ―本番運用を見据えた開発戦略

6章モデルとAIアプリケーションのデプロイメント

データ処理、訓練、そしてモデルの検証は前段階です。つまり、本当の目的は生成したデータと生成したモデルを使用して、意思決定と行動のためのアプリケーションを構築しデプロイすることです。

機械学習アプリケーションを提供するために、まず本番環境のアプリケーションで使用できるようにモデルを構築して登録します。その後、イベントまたはデータを受け入れるアプリケーションパイプライン（https://oreil.ly/TqMu3）を作成します。このアプリケーションパイプラインは、1つ以上のモデルを使用して結果を予測し、必要な機能が準備された後に行動を開始するよう設計されます。最後に、データ、モデル、およびアプリケーションの可用性とパフォーマンスをモニタリングして保証する必要があります。問題や低下したモデルパフォーマンスが発生した場合、正確な対応措置を適用します。

多くの組織は今でも「モデルのサービング」や「モデルのエンドポイントの作成」という視点で考えています。しかし、データサイエンスチームとエンジニアリングチームの責任を分割するのではなく、機械学習アプリケーション全体を提供するという大きな視点として見直す必要があります。それを無視すると、重大な機能の欠如、失敗、不必要なリスク、長い遅延が発生します。

6.1　モデルレジストリと管理

モデルレジストリは、機械学習モデルとそのメタデータを保存し、モデルのライフサイクルおよびバージョンの管理を行う中央リポジトリです。モデル訓練プロセス（https://oreil.ly/krzsX）が終了したら、レジストリにモデルとそのメタデータを保存します。その後、異なる機能評価（https://oreil.ly/YHdkb ...