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
200
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
180
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
280
2019.08.10_AAJUG Kyoto #2_Alexa✕ML
koba_taka
0
80
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
310
JAWS-UG Sales #0 「SalesがJAWS-UGに参加してみて」
koba_taka
0
210
【さるる勉強会#1】AWSの機械学習って?
koba_taka
0
360
2018.2.11- Alexa Day 2018 - Alexa Ninja Warrior 結果発表
koba_taka
0
5.2k
【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
600
【BIファーストステップ】AWSやSalesforceとPowerBIとの連携
koba_taka
0
2k
Other Decks in Technology
See All in Technology
Kubernetes における cgroup v2 でのOut-Of-Memory 問題の解決
pfn
PRO
0
470
LLMを搭載したプロダクトの品質保証の模索と学び
qa
0
970
Function Body Macros で、SwiftUI の View に Accessibility Identifier を自動付与する/Function Body Macros: Autogenerate accessibility identifiers for SwiftUI Views
miichan
2
170
AWS環境のリソース調査を Claude Code で効率化 / aws investigate with cc devio2025
masahirokawahara
2
1.4k
dbt開発 with Claude Codeのためのガードレール設計
10xinc
1
830
Snowflakeの生成AI機能を活用したデータ分析アプリの作成 〜Cortex AnalystとCortex Searchの活用とStreamlitアプリでの利用〜
nayuts
1
420
RSCの時代にReactとフレームワークの境界を探る
uhyo
10
3.2k
AWSで推進するデータマネジメント
kawanago
1
1.2k
エラーとアクセシビリティ
schktjm
0
1.1k
【実演版】カンファレンス登壇者・スタッフにこそ知ってほしいマイクの使い方 / 大吉祥寺.pm 2025
arthur1
1
420
Vault を基盤として整備し、 みんなに使ってもらえるようになるまで
takahiko
1
110
Grafana Meetup Japan Vol. 6
kaedemalu
1
350
Featured
See All Featured
Dealing with People You Can't Stand - Big Design 2015
cassininazir
367
27k
Speed Design
sergeychernyshev
32
1.1k
VelocityConf: Rendering Performance Case Studies
addyosmani
332
24k
Done Done
chrislema
185
16k
Become a Pro
speakerdeck
PRO
29
5.5k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Balancing Empowerment & Direction
lara
3
610
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
18
1.1k
How to train your dragon (web standard)
notwaldorf
96
6.2k
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
126
53k
Raft: Consensus for Rubyists
vanstee
140
7.1k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
187
54k
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!!