Slide 9
Slide 9 text
他のMLツールとの簡単な比較 (主観的な印象)
1. AWS SageMaker
a.
ローカルの
Jupyter
環境 → クラウドリソース上で簡単に✅
b.
分析から
ML API
デプロイまでが簡単✅
c.
実行環境メインのスタート
i. Inference, Edge Manager
など他にも様々な機能
(
未検証
)
ii.
モデルの管理はちょっと苦手🔺
?
←
MLflow
との親和性
2. MLflow
a.
バラバラになる
ML
の試行錯誤をまとめる
b.
モデルの管理とデプロイを統一
c.
実行環境はスコープ外→ローカル✅、クラウド✅ ←
SageMaker
などとの親和性
3. Kubeflow
a. Pipelines
i.
拡張機能が豊富な
Kubernetes
を活用して、コンピュートリソースと
ML Pipelines
の管理を統一
(End-to-End Orchestration)
ii.
まるごと全環境
Kubernetes
内で管理 ✅ 管理には
Kubernetes
の知見が必要🔺
b.
他
: KFServing, Notebooks…
今まで勉強会で共有してきたもの・範囲し
か入ってないので考慮で来てない部分が
ある