Upgrade to Pro — share decks privately, control downloads, hide ads and more …

2019.07.05 Cloud Native Kansai #04 MLOpsで必要なf...

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

More Decks by Takayoshi Kobayashi

Other Decks in Technology

Transcript

  1. #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
  2. #cnjp 5 @koba_taka Twitter Like takayoshi.kobayashi.16 Facebook AWS Drinking Job

    Takayoshi Kobayashi Who is ? ABEJA Co., Ltd. ABEJA Platform Customer Success
  3. #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?
  4. #cnjp 13 MLOps Pipeline Low Data Data Wrangling Data Preprocessing

    Validation Training New Data Training Data Model Inference Predictions Input Data
  5. #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
  6. #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‥
  7. #cnjp 20 Make it Easy for Everyone to Learn, Deploy

    and Manage Portable, Distributed ML on Kubernetes (Everywhere) by Michelle Casbon (Google)
  8. #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!
  9. #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
  10. #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。