入門 機械学習パイプライン ―TensorFlowで学ぶワークフローの自動化

まえがき

誰もが機械学習について話しています。機械学習は、1つの学問から、もっとも刺激的な技術の1つになりました。自動運転車の動画像を理解することから、医薬品のパーソナライズまで、あらゆる業界で重要性が増しています。モデルのアーキテクチャや概念は注目の的です。しかし、機械学習は、ソフトウェア業界が過去20年間に経験したプロセスの標準化をまだ経験していません。本書では、自動化され、再現性のあるモデルを得られる、標準化された機械学習システムを構築する方法を紹介します。

機械学習パイプラインとは

ここ数年の機械学習の進化は驚異的でした。GPUが広く利用可能になり、BERTなどのトランスフォーマーや深層畳み込みGANなどの敵対的生成ネットワーク（GAN）のような新しいディープラーニングの概念が広まるにつれて、AIプロジェクトの数は急増してきました。AIスタートアップは無数に存在します。多くの企業は、最新の機械学習をあらゆる種類のビジネス課題に適用しようとしています。最高性能の機械学習ソリューションに群がる一方、あまり注目されていないことがあるのに気がつきました。それは、データサイエンティストと機械学習エンジニアが、開発を加速、再利用、管理、およびデプロイするための概念とツールに関する優れた情報源を欠いているということです。必要なのは、機械学習パイプラインの標準化です。

機械学習パイプラインは、機械学習モデルの開発を加速、再利用、管理、デプロイするためのプロセスを実装およびパターン化します。ソフトウェアエンジニアリングは、継続的インテグレーション（CI）と継続的デプロイ（CD）の導入により、10年ほど前に同様の変化を遂げました。当時は、Webアプリをテストしてデプロイするのに多くのプロセスが必要でした。最近では、これらのプロセスは、いくつかのツールと概念によって大幅に簡素化されています。以前は、Webアプリのデプロイには、DevOpsエンジニアとソフトウェア開発者の協力が必要でした。現在では、アプリはものの数分でテストとデプロイが完了します。データサイエンティストと機械学習エンジニアは、ソフトウェアエンジニアリングからワークフローについて多くを学ぶことができます。本書の目的は、読者に機械学習パイプライン全体をエンドツーエンドで紹介し、機械学習プロジェクトの標準化に貢献することです。 ...