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flowを考えてみる
Search
Takayoshi Kobayashi
July 05, 2019
Technology
0
160
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
120
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
220
2019.08.10_AAJUG Kyoto #2_Alexa✕ML
koba_taka
0
47
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
270
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
270
2018.2.11- Alexa Day 2018 - Alexa Ninja Warrior 結果発表
koba_taka
0
4.7k
【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
520
【BIファーストステップ】AWSやSalesforceとPowerBIとの連携
koba_taka
0
1.7k
Other Decks in Technology
See All in Technology
20240724_cm_odyssey_hibiyatech
hiashisan
0
110
データベース研修 DB基礎【MIXI 24新卒技術研修】
mixi_engineers
PRO
0
210
推薦システムを本番導入する上で一番優先すべきだったこと~NewsPicks記事推薦機能の改善事例を元に~
morinota
0
120
AutomatedLabを使って内部ペンテストを勉強しよう! -やられ社内ネットワークの自動構築-
n_etupirka
1
610
Github Actions 로 Android 팀의 효율성 극대화
hadonghyun
0
160
dxd2024-生成AIに振り回された3か月間の成功と失敗/dxd2024-link-and-motivation
lmi
2
260
スレットハンティングについて知っておきたいこと
hacket
0
130
累計ダウンロード数1億8000万を超えるアプリケーションプラットフォームのレガシーシステム脱却とモダン化への道
kmitsuhashi
0
120
AWSでRAGを作る法方
sonoda_mj
1
140
DDDにおける認可の扱いとKotlinにおける実装パターン / authorization-for-ddd-and-kotlin-implement-pattern
urmot
4
390
AIアシスタントの活用で品質の向上と開発ワークフローのスピードアップ
nagix
1
190
テスト・設計研修【MIXI 24新卒技術研修】
mixi_engineers
PRO
0
170
Featured
See All Featured
Build your cross-platform service in a week with App Engine
jlugia
227
17k
The Cult of Friendly URLs
andyhume
75
5.9k
How GitHub (no longer) Works
holman
305
140k
We Have a Design System, Now What?
morganepeng
46
7k
Designing for Performance
lara
604
67k
Dealing with People You Can't Stand - Big Design 2015
cassininazir
360
22k
Building an army of robots
kneath
301
42k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
149
45k
Optimizing for Happiness
mojombo
373
69k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
13
430
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
121
18k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
26
1.6k
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!!