信頼性の高い機械学習 ―SRE原則を活用したMLOps

15章ケーススタディ：MLOpsの実践

本書では、MLOpsの原則とベストプラクティスを、できるだけ例を挙げて説明してきました。しかし、現場で働く人たちの話を聞くことは、これらの原則が現実の世界でどのように機能するかを理解するのに有用です。

本章では、MLOpsから見た特定の問題や課題、あるいは修羅場を経験した様々な実践者グループからのケーススタディを紹介します。それそれの記述は実践者自身によって書かれているので、何を経験したかを当人の言葉で聞くことができます。実践者たちが直面したこと、どのように対処したか、何を学んだか、次回は何を違うようにするかを理解できます。実際、負荷テストなどの見かけ上単純なことや、全く別のモバイルアプリへのアップデートなどとは関係なさそうなことが、MLモデルやシステムの日々の管理や運用に携わる人たちにとって頭痛の種になることがあります（一部については企業秘密を守るために情報を伏せているか省略されているかもしれません）。

15.1　MLパイプラインでのプライバシーとデータ保持ポリシーの対応

執筆：Dialpad社、Riqiang Wang

15.1.1　背景

Dialpadの自動音声認識（ASR）チームは、世界中の顧客向けに様々なAI機能（Dialpad AIと呼称する）のためのリアルタイムで文字起こしテキストを生成するエンドツーエンドの音声翻訳システムを担当します。私たちのAIシステムの様々なサブコンポーネントはASR出力に大きく依存しさらなる予測のため、翻訳のエラーはリアルタイムアシストや固有表現認識（NER）などの他の下流の自然言語処理（NLP）タスクに伝播します。これによって私たちは常にMLパイプライン内のASRモデルを改善を目指します。

15.1.2　 ...