GCPのML Opsハンズオンに参加した
Kaz Satoさんによる講演。
下記簡易メモ
01 MLOps at Google
PoC段階で終わる例が多い。データサイエンスとエンジニアの壁。 Operatingの方がLaunchingより難しい。 精度が落ちた時に検出できるか。
- DevOpsとMLOpsは別物。
Googleの論文。苦労の証。タイトルは「機械学習使うのは高いクレカ使うのと同じ」「機械学習使うのは技術的負債ですよ。」
うまく機械学習を回している例。ライゾマティクス社
02 AI Platform
Gaussian Processでハイパラチューンできるよ。sage makerにもありますね。
03 MLOps withAI Platform Pipelines
エンドユーザーが治して再学習できる。active learning。加工図面の自動予算見積もり。
04 AI Platform Pipelines Hands-on workshop
kubeflowのお試し。beta版なので途中で動かないものもちらほらある模様。
05 Beyond Pipelines
データの分布が時間と共に変わったかグラフなどで見れる機能( TensorFlow Model Analysis (TFMA) )できるよ。SHAP使って重要な特徴量の変化も見れるようになるよ。。
感想
MLOpsの概要について知ることができた。
ハンズオンのデモで割とトラブっていらっしゃった。やはりデモにトラブルはつきもの。それも含めてリアルで良いですね。
kubeflowやはり便利そうだ。docker-composeやaws fargateで済ませて、kubenetes避けてきたが勉強しようかしら。