付録D実際に運用されている機械学習パイプライン
久保 隆宏●TIS株式会社
本付録は日本語版オリジナルの記事です。本稿では、機械学習パイプラインが、UberやSpotifyといった先進的な企業でどのように構築され、利用されているかを解説します。皆さんが機械学習パイプラインを構築するときに、先駆者たちの知見は大いに役立つでしょう。
解説する事例は5社です。Spotifyを除く4社は、機械学習プラットフォームへ小洒落た名前を付けています。
- Uber： Michelangelo
- Spotify： ML Platform
- Twitter： DeepBird-v2
- Netflix： Meson
- Airbnb： Bighead
解説は3つの観点から行います。
- 機械学習パイプラインの構成
- 機械学習パイプライン構築の狙い
- 機械学習パイプライン構築から得られた成果
最初に、機械学習パイプラインの構成を解説します。全体の構成を示したあとに、個別の構成要素を解説します。構成要素の解説では、工夫している点や、使用しているライブラリ、フレームワークの解説をします。どのような工夫を、どのような手段で行っているかは、機械学習パイプラインを構築するときに役立つでしょう。
次に、機械学習パイプライン構築の動機を解説します。チーム横断で使用するインフラの構築には、相応の投資が必要です。各社が投資した背景にある課題や戦略を知ることは、皆さんの上司やチームメンバーに機械学習パイプラインの必要性を伝えるときに役立つでしょう。動機を共有することはとても大切なプロセスです。インフラは1人では構築できませんし、1人で使うものでもないからです。
最後に、機械学習パイプラインの構築を通じて得られた成果を解説します。成果には、ビジネス上の効果だけでなく組織としての学びも含みます。 ...
Get 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 now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
