Slide 21
Slide 21 text
注意2:それぞれの信頼性は分割統治しにくい
通常の問題に見えても原因がMLにあったり、その逆もある
→ 通常指標とML指標で、対応手段や対応者を完全に分離するのは難しい
● 少しのデータ増でOOMが発生 ← レコメンドで求人数×求人数の行列を生成
● ある日突然モデルの精度が低下 ← キャンペーンでデータ傾向が著しく変化
事象 \ 原因 サービスやインフラの問題 MLモデル・アルゴリズムの問題
Web API やジョブのエラー Webエンジニアが対処可能 Webエンジニアだけでは対処困難
MLモデルの精度低下・不安定化 MLエンジニアだけでは対処困難 MLエンジニアが対処可能