機械学習開発の標準戦略MLOps

こんにちは、GMOアドマーケティングのS.Rです。
機械学習の開発を円滑に進めるためにMLOps の取り組みは重要です。今日はよく使われているMLOps のFramework であるKubeflow とKubeflow に基づいたCloud Service AI Platform を皆さんへ紹介させていただきます。
※なお、この記事中の図示は、特に断りが無い限り筆者が作成したものです。

MLOpsとは

MLOPSは分析(ML)+開発(Dev)+リリース(Operations)の組み合わせです。 機械学習の開発効率を向上させる為に、機械学習project の開発原則とルールが纏められています。 

MLOpsのレベル

MLOps 自動化はその程度により3 つのレベルがあります。 詳細については【Google Cloud「MLOps: 機械学習における継続的デリバリーと自動化のパイプライン」(リンク:https://cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning?hl=ja)】をご覧ください。

MLOpsによく使われているツール

レベル 2 MLOps を構築するためにはツールが必要です。ここではよく使われているMLOps のツール一つを皆さんへ紹介させていただきます

Kubeflow

Kubeflow はKubernetes に基づいて発展したMLOps のワークロードを管理するためのオープンソースツール群です。
元々はGoogle が社内でTensorFlow の開発にMLOps を管理するために使用したものです。好評を得てオープンソースにしました。  

まとめ

今回は機械学習開発の標準戦略MLOps の要約を皆さんへ紹介してみました。いかがでしょうかもし今回のブログが皆さんの機械学習の開発と勉強にお役に立てば幸いです。 次回はGoogle Cloud MLOps サービスAI platform Kubeflow を実践する方法を皆さんへ紹介したいと思います。もし興味があればぜひ御覧ください