Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
2019.07.05 Cloud Native Kansai #04 MLOpsで必要なf...
Search
Takayoshi Kobayashi
July 05, 2019
Technology
0
180
2019.07.05 Cloud Native Kansai #04 MLOpsで必要なflowを考えてみる
2019.07.05 Cloud Native Kansai #04 MLOpsで必要なflowを考えてみる
Takayoshi Kobayashi
July 05, 2019
Tweet
Share
More Decks by Takayoshi Kobayashi
See All by Takayoshi Kobayashi
AWS re:Invent 2020 SageMakerのUpdateをre:cap
koba_taka
0
140
2020.02.13_ABEJA_プロダクトがスケールする過程における課題と取り組み
koba_taka
0
240
2019.08.10_AAJUG Kyoto #2_Alexa✕ML
koba_taka
0
58
2018.07.31 JAWS-UG京都 AWSマネージドDB祭~まだDBにEC2使ってんの?~ / 今のAuroraのスゴさ
koba_taka
0
290
JAWS-UG Sales #0 「SalesがJAWS-UGに参加してみて」
koba_taka
0
190
【さるる勉強会#1】AWSの機械学習って?
koba_taka
0
300
2018.2.11- Alexa Day 2018 - Alexa Ninja Warrior 結果発表
koba_taka
0
4.9k
【さばわの「わ」#2】AWSパートナーとしてのサバワの営業スタイル
koba_taka
0
550
【BIファーストステップ】AWSやSalesforceとPowerBIとの連携
koba_taka
0
1.8k
Other Decks in Technology
See All in Technology
どちらを使う?GitHub or Azure DevOps Ver. 24H2
kkamegawa
0
620
re:Invent をおうちで楽しんでみた ~CloudWatch のオブザーバビリティ機能がスゴい!/ Enjoyed AWS re:Invent from Home and CloudWatch Observability Feature is Amazing!
yuj1osm
0
120
生成AIのガバナンスの全体像と現実解
fnifni
1
180
Amazon SageMaker Unified Studio(Preview)、Lakehouse と Amazon S3 Tables
ishikawa_satoru
0
150
ブラックフライデーで購入したPixel9で、Gemini Nanoを動かしてみた
marchin1989
1
510
10個のフィルタをAXI4-Streamでつなげてみた
marsee101
0
160
Oracle Cloud Infrastructure:2024年12月度サービス・アップデート
oracle4engineer
PRO
0
160
生成AIをより賢く エンジニアのための RAG入門 - Oracle AI Jam Session #20
kutsushitaneko
4
210
バクラクのドキュメント解析技術と実データにおける課題 / layerx-ccc-winter-2024
shimacos
2
1k
統計データで2024年の クラウド・インフラ動向を眺める
ysknsid25
2
830
UI State設計とテスト方針
rmakiyama
2
300
複雑性の高いオブジェクト編集に向き合う: プラガブルなReactフォーム設計
righttouch
PRO
0
110
Featured
See All Featured
jQuery: Nuts, Bolts and Bling
dougneiner
61
7.5k
Learning to Love Humans: Emotional Interface Design
aarron
273
40k
Practical Orchestrator
shlominoach
186
10k
The MySQL Ecosystem @ GitHub 2015
samlambert
250
12k
Rebuilding a faster, lazier Slack
samanthasiow
79
8.7k
The Language of Interfaces
destraynor
154
24k
A Modern Web Designer's Workflow
chriscoyier
693
190k
Optimising Largest Contentful Paint
csswizardry
33
3k
What's in a price? How to price your products and services
michaelherold
243
12k
Build your cross-platform service in a week with App Engine
jlugia
229
18k
The Cult of Friendly URLs
andyhume
78
6.1k
VelocityConf: Rendering Performance Case Studies
addyosmani
326
24k
Transcript
#cnjp 2019.07.05 Cloud Native Kansai #04 ABEJA, Inc / Takayoshi
Kobayashi / @koba_taka MLOpsで必要なflowを考えてみる
#cnjp 2 What is MLOps ?
#cnjp 3 ML will run on Kubernetes
#cnjp 4 MLOps ✕ Kubernetes
#cnjp 5 @koba_taka Twitter Like takayoshi.kobayashi.16 Facebook AWS Drinking Job
Takayoshi Kobayashi Who is ? ABEJA Co., Ltd. ABEJA Platform Customer Success
None
#cnjp 7 Deep Learningの実装、運用プロセスを効率化する ABEJA Platform。 来客属性、動線分析、リピート推定といった 顧客行動データの取得・分析を基軸とする、 AIを活用した 店舗解析サービス。
商品仕分け、メンテナンスサポートの効率化、熟練工の行動分析といった、 AIを用いた多用なソリューションを展開。 製造業、インフラ業、物流業や小売業まで、 150社以上のAI導入実績で得た知見・ノウハウをもとに、 AI導入・活用まで一気通貫で支援します。 AIのビジネス実装 What`s ABEJA?
#cnjp 8 インフラやってますか?
#cnjp 9 機械学習やってますか?
#cnjp 10 機械学習インフラしたいなー?
#cnjp 11 We are hiring!!
#cnjp 12 What is MLOps ?
#cnjp 13 MLOps Pipeline Low Data Data Wrangling Data Preprocessing
Validation Training New Data Training Data Model Inference Predictions Input Data
#cnjp 14 Why Machine Learning on Kubernetes? Low Data Data
Wrangling Data Preprocessing Validation Training New Data Training Data Model Inference Predictions Input Data データ収集・蓄積 開発・学習 推論・予測
#cnjp 15 Hidden Technical Debt in Machine Learning Systems [Sculley+,
NIPS 2015] 正直、MLOpsって設計より管理が大変‥
#cnjp 16 We have Kubernetes!!
#cnjp 17 構成としてはこんな感じ?
#cnjp 18 just only?
#cnjp 19 Noooo!!!!
#cnjp 20 Make it Easy for Everyone to Learn, Deploy
and Manage Portable, Distributed ML on Kubernetes (Everywhere) by Michelle Casbon (Google)
#cnjp 21 Agree with you
#cnjp 22 The ML Toolkit for Kubernetes
#cnjp 23 Why Machine Lerning on Kubeflow? Composability Portability Scalability
#cnjp 24 Ambassador Service Ambassador Ambassador Ambassador CentralUI JupyterHub TFJobDashBoard
KubeDash Kubeflowを構成するもの
#cnjp 25 Kubeflowを構成するもの part.1 Ambassador ・Kubernetes上で動作するAPI Gateway ・役目はModelの提供 ・Envoyをイイ感じに構成 ・自分のServerに暗号化や認証認可を付与可能
・ルーティングとスケーリングの運用が簡単 モデルのサービングをKubernetes上で快適に!
#cnjp Soldon Core 26 Kubeflowを構成するもの part.2 ・機械学習のモデルをKubernetesクラスタ上にデプロイ ・多様な言語やフレームワークに対応している ・機械学習のモデルを、RESTやgRPCを介した公開可能 ・モデルの継続的なアップデート、スケーリング、
モニタリングなどを可能 モデルのデプロイをKubernetes上で快適に!
#cnjp Soldon Core main supported 27
#cnjp 28 Kubeflowを構成するもの part.3 Argo ・コンテナネイティブなワークフローエンジン ・Kubernates Cluster上で稼働 ・ワークフローをYAMLで宣言的に書ける ・MLOpsでは各タスクを記載
(整形・登録など) ・resources指定なども可能 ・簡単に操作ができ、スゴイやつ パイプラインジャングルをKubernates上で解決!
#cnjp 29
#cnjp 30 Example:EKS on Kubeflow Overview
#cnjp 31 Why Machine Learning on Kubernetes? Low Data Data
Wrangling Data Preprocessing Validation Training New Data Training Data Model Inference Predictions Input Data データ収集・蓄積 開発・学習 推論・予測
#cnjp 32 Demo
#cnjp 33 まとめ ・機械学習のモデル作成/提供はインフラやることいっぱい ・MLOpsのパイプラインを意識して設計が大事 ・極力、省力化した運用を心がけよう ・Kubeflowなどのオーケストレーションツールの検討を
#cnjp 34 宣伝:ABEJA PLATFORM 04 デプロイ 01 取得 05 推論・再学習
03 学習 02 蓄積 AIの継続的 インテグレーションを実現 01 取得 02 蓄積 03 学習 04 デプロイ 05 推論・再学習 モニタリング トリガー デプロイ データレイク アノテーション データセット 学習 AIのモデル開発工程における継続的インテグレーションの各タスクを機能として提供しています。
#cnjp 35 フローを理解して快適なMLOpsライフを!
#cnjp 36 Thank you!!