実践MLOps―作って理解する機械学習システムの構築と運用 [単行本]

実践MLOps―作って理解する機械学習システムの構築と運用 の 商品概要

• 要旨（「BOOK」データベースより）

  モデル構築・ＣＩ／ＣＤ・モニタリングまで。広告クリック率予測モデル実装を通じてＭＬＯｐｓの考え方を習得。“本番運用”できるシステム開発のリアルを、手を動かして学ぶ。

• 目次

  はじめに／目次
  
  1章　MLOps概要
  2章　環境構築
  3章　モデル作成
  4章　機械学習パイプライン
  5章　実験基盤
  6章　バージョン管理
  7章　CI・CD
  8章　推論サービス
  9章　継続的学習
  10章　監視
  
  索引

• 出版社からのコメント

  サービスに活用できる機械学習システムの構築方法を解説。MLOpsで一般的に取り扱われる概念を、手を動かしながら学べる。

• 内容紹介

  持続的に運用可能な機械学習システムを、作って学ぼう！
  
  本書は、サービスに活用できる機械学習システムを構築する方法を説明する書籍です。
  
  機械学習をサービスで活用するとき、機械学習モデル自体ではなく、運用上・管理上の問題に直面することは数多くあります。どれだけ優れた機械学習モデルを構築できたとしても、それをサービスに活かすためのシステムがなければ運用できません。
  2010年代後半に登場した「MLOps」という言葉は、Machine LearningとOperationsを組み合わせた造語で、機械学習システムを運用するための技術を指すものです。登場当時は言葉の定義が曖昧で、標準的とよべるしくみはありませんでした。しかし近年は、クラウドベンダー各社が機械学習システムを扱うためのサービスやノウハウを公開してくれているため、作りやすく整備しやすいシステムのかたちが整ってきています。
  そこで本書では、ゼロから機械学習システムを構築することで、MLOpsで一般的に取り扱われる概念を、手を動かしながら学んでいきます。学習パイプラインや推論サービスを構築するだけでなく、システム監視やデータエンジニアリングなど、サービス活用のために必要とされる一歩進んだ内容にまで踏み込んで実装を行います。具体的には、広告クリック率をリアルタイムで予測する機械学習システムをAWS上にデプロイします。
  本書の演習では、得られる知識が特定のベンダーやサービスに依存しないよう、Jupyter NotebookやAWSなどのメジャーかつ汎用性の高いサービスのみを利用します。また、読者が自分でシステムを構築するときの参考となるよう、各章で解説する内容について、著者のチームでの実例紹介をコラムとして各所に盛り込みます。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  長江 五月(ナガエ サツキ)
  Ｉｎｄｅｅｄ　Ｔｅｃｈｎｏｌｏｇｉｅｓ　Ｊａｐａｎ株式会社所属。ソフトウェアエンジニアとして機械学習システムの開発・運用に従事。前職の株式会社サイバーエージェントではデータサイエンティストとして広告配信システムにおける機械学習モデルの開発・運用、チームマネジメントに従事。同社の新卒研修にてＭＬＯｐｓ領域を担当

実践MLOps―作って理解する機械学習システムの構築と運用 の商品スペック