MLOpsガイド

by Canonical on 28 June 2023

MLOpsツールの選び方を学び、AIプロジェクトを実運用に導きましょう。

MLOpsの概要

MLOpsは、データ収集、ガバナンス、モニタリングなど、機械学習のライフサイクル全体に対するアプローチへと徐々に進化を遂げています。人工知能が単なる革新を生み出すための活動ではなく、日常的なビジネスの一部となるにつれ、この手法は標準となることでしょう。

MLOpsは、機械学習導入の影響を受ける企業内のさまざまな部門にメリットをもたらします。データサイエンティストはモデリングの実務作業に注力できますし、データエンジニアリング部門はパイプラインを作成してプロセスを自動化するツールが得られます。同時に、大きな視野で見れば、MLOpsはMLの導入においてソリューションアーキテクトの望む安定性と、IT監査担当者が求めるセキュリティを確保します。

ビジネスの視点から見ると、MLOpsは機械学習プロジェクトに信頼性をもたらす実践手法であり、本番環境で期待どおりのパフォーマンスを発揮する信頼性の高いプロジェクトの実現を目標としています。機械学習プロジェクトの成果はユースケースによって異なる場合がありますが、MLOpsは関連する機能やタスクを最適化し、プロセスを自動化し、時間やコストの節約において重要な役割を果たしてくれます。またMLOpsは、業種や企業を問わず適用することができます。

MLOpsとは

MLOpsとは、機械学習（Machine Learning）とオペレーション（Operations）を合わせた造語であり、ワークフローの各プロセスを簡素化し、機械学習とディープラーニングのデプロイを自動化することを目的とした一連の実践手法を意味します。モデルの大規模なデプロイとメンテナンスを、実運用に対応した信頼性と効率性で実現します。

MLOpsを構成するのは、ベストプラクティスのほか、プロセスや基盤となるテクノロジーです。これらすべてが、機械学習に関連する活動を改善するためのスケーラブルで集中管理された手段を提供します。機械学習の開発と運用が一体となった手法です。

MLの観点では、モデル開発やデータ収集などの具体的な活動が含まれます。そしてさらに踏み込んだ開発活動へと続き、パッケージング、モデル作成、検証などが重要な役割を果たします。

本ガイドをAIプロジェクトの拡大と機械学習オペレーション（MLOps）の導入にお役立てください。ダウンロード

Datasheet: MLOpsに関するアドバイス