Vibe ML Model Training, Tracking and Kaizen

Transcript

1. ©Fusic Co., Ltd. 0 Vibe ML Model Training, Tracking and Kaizen 2026.02.26 佐藤 礼央奈 X: @xthixsl_ml ツナギメオフライン ベンキョウカイ #5
2. ©Fusic Co., Ltd. 1 自己紹介 はじめに 佐藤 礼央奈 R E O N A S AT O 株式会社Fusic エンジニア 東京の大学を卒業。在学中にエンジニアとして3社で約2年半の長期イン ターンを経験。機械学習や生成AIの研究開発に携わる中で、MLモデルの 本番運用に興味を持ちMLOpsに関心を深める。生成AIも取り入れた開発 や、AWSパートナー企業での経験から、同領域に強みを持つFusicに魅力 を感じ、2025年に新卒入社。
3. ©Fusic Co., Ltd. 2 1. はじめに 2. 従来のMLモデル開発手法と課題 3. Vibe Codingによる効率化とKaizen 4. まとめ
4. ©Fusic Co., Ltd. 3 はじめに 1
5. ©Fusic Co., Ltd. 4 はじめに みなさんVibe Codingしてますか？
6. ©Fusic Co., Ltd. 5 • ある商品の値段を予測するMLモデル構築案件 • 工数：15人日 • 限られた時間でVibe Codingをしながらモデル開発サイクルを回せることがメリット はじめに
7. ©Fusic Co., Ltd. 6 従来のMLモデル開発と課題 2
8. ©Fusic Co., Ltd. 7 探索的データ解析（EDA） • Jupyter Notebook上で手動でコードを書きながらデータ分析 • matplotlib / seabornでグラフを描いて目視確認 特徴量エンジニアリング • 特徴量を変更するたびにセルを手動で再実行 • 実行順序の乱れや変数の上書きで再現性が低下 モデル学習・実験管理 • 試行パターンが膨大（特徴量 × モデル × ハイパーパラメータ） • 「どの条件でどの結果が出たか」を追うのが困難 従来のMLモデル開発と課題
9. ©Fusic Co., Ltd. 8 Vibe Codingによる効率化とKaizen 3
10. ©Fusic Co., Ltd. 9 EDA作業の自動化 • LLMにコード生成・可視化を任せてサイクルを高速化 • 実データを直接参照しながら分析を進行 実験管理ツールとの連携 • CLIから実験IDを指定して結果を参照 → LLMにコンテキストとして渡す • 実験レポートの草稿を自動生成 → レポーティング時間を大幅短縮 早いKaizenサイクル • 記録データをもとに迅速に仮説を立て、次の実験へ • LLMが「次に試すべき改善案」を提案 → 自分では気づけない視点 Vibe Codingによる効率化とKaizen
11. ©Fusic Co., Ltd. 10 まとめ 4
12. ©Fusic Co., Ltd. 11 まとめ Vibe Codingにより従来の3〜4倍効率よくKaizenサイクルを回せる 自然言語でLLMがCLIを操作し、迅速かつ深い考察が可能な時代に Point.01 Point.02
13. ©Fusic Co., Ltd. 12 Thank You We are Hiring! https://recruit.fusic.co.jp/ ご清聴いただきありがとうございました