事例でわかるＭＬＯｐｓ　機械学習の成果をスケールさせる処方箋

★機械学習の実利用で、本当にビジネスの価値を生み出すには？★　技術・プロセス・文化の3面から学ぶ、「MLOps」はじめての実践ガイドが登場！　機械学習システムをビジネスに導入し、運用していく中での悩みによく効くノウハウが満載です。企業が事業で機械学習の成果をスケールさせるためのさまざまな取り組みをMLOpsといいます。本書はそのMLOpsを解説する書籍です。第1部ではMLOpsの全体像、そしてそれを実現する技術・プロセス・文化を紹介します。機械学習をビジネスに導入し、運用していくための基礎知識がわかりやすく学べます。第2部では、第1部に対応したプラクティスを9つの組織から提供してもらいました。【おもな内容】　第1部　MLOpsの背景と全体像　1章　MLOps　とは　1.1 MLOpsの背景　1.2　本書でのMLOpsの全体像　2章　MLOps　を実現する技術　2.1　機械学習パイプライン　2.2　推論システム　2.3　技術選定　2.4　機械学習の実行環境とアクセラレーター　2.5　機械学習システムのモニタリング　2.6　データの品質管理　2.7コードの品質管理　3章　MLOps　を支えるプロセス・文化　3.1　機械学習システムの開発フローとPoC 3.2　素早い実験を繰り返す　3.3　多様な利害関係者との協業　3.4　ビジネスの意思決定に役立つモニタリング　3.5 MLOps　のプロセスを支える文化　第2部　MLOpsの実践事例と処方箋　4章　DeNAにおける機械学習プロジェクトの進め方（株式会社ディー・エヌ・エー　玉木竜二　藤原秀平）　5章　少人数で迅速に実現する　コンテンツレコメンドにおけるMLOps（株式会社CAM　原和希）　6章　顧客ごとに複数機械学習モデルを出し分ける学習と推論のアーキテクチャ（澁井雄介）　7章　機械学習パイプライン構築事例から見る技術選定（安立健人）　8章　事故を減らすための機械学習モデル適用の工夫（株式会社ディー・エヌ・エー〈GO株式会社出向〉　松井健一）　9章　機械学習プロジェクトの失敗確率　80%　を克服するプラクティス（アマゾン　ウェブ　サービス　ジャパン合同会社　久保隆宏）　10章　ML Test Score　を用いた機械学習システムの定量的なアセスメント（柏木正隆）　11章　大規模言語モデルの研究開発から実運用に向けて（株式会社日本経済新聞社　石原祥太郎）　12章　ユーザー企業における機械学習プロジェクトの推進事例（サントリーシステムテクノロジー株式会社　高木基成）

この作品をシェアする