信頼性の高い機械学習 : SRE原則を活用したMLOps
著者
書誌事項
信頼性の高い機械学習 : SRE原則を活用したMLOps
オライリー・ジャパン , オーム社 (発売), 2024.10
- タイトル別名
-
Reliable machine learning : applying SRE principles to ML in production
機械学習 : 信頼性の高い : SRE原則を活用したMLOps
- タイトル読み
-
シンライセイ ノ タカイ キカイ ガクシュウ : SRE ゲンソク オ カツヨウ シタ MLOps
大学図書館所蔵 件 / 全82件
-
該当する所蔵館はありません
- すべての絞り込み条件を解除する
この図書・雑誌をさがす
注記
その他の著者: Niall Richard Murphy, Kranti Parisa, D. Sculley, Todd Underwood
内容説明・目次
内容説明
本書では、ソフトウェアシステムの信頼性と安定性を保つことに優れたアプローチであるＳＲＥ（サイトリライアビリティエンジニアリング）の原則を適用し、信頼性が高く、効果的で、責任のある機械学習システムを構築し運用するための方法を紹介します。毛糸を販売している仮想のオンラインストア「ｙａｒｎｉｔ．ａｉ」を例に用いつつ、本番環境でのモデルモニタリングの方法から、製品開発組織で調整されたモデル開発チームを運営する方法まで解説します。最後の１５章では、ＭＬＯｐｓから見た特定の問題や課題を６つのケーススタディとともに紹介しています。また、データを正しく責任を持って扱うこと、信頼できるモデルを構築すること、運用環境へのスムーズな（そして可逆的な）道筋を確保すること、更新の安全性、コスト、パフォーマンス、ビジネス目標、組織構造に関する懸念など、あまり論じられてこなかった機械学習のライフサイクル全体における諸側面に焦点を当てています。ＳＲＥの視点から信頼性の高い機械学習システム運用を学ぶ１冊です。
目次
- はじめに
- データマネジメント
- ＭＬモデルの基礎
- 特徴量と訓練データ
- モデルの確実性と品質の評価
- 公正さ、プライバシー、倫理的なＭＬシステム
- ＭＬモデル訓練システム
- サービス運用
- モデルの監視と可観測性
- 継続的なＭＬ
- 障害対応
- 製品とＭＬの関わり方
- ＭＬの組織への統合
- 実践的なＭＬ組織の事例
- ケーススタディ：ＭＬＯｐｓの実践
「BOOKデータベース」 より
