SlideShare a Scribd company logo
Data-centricなML開発
2021/05/19 MLOps勉強会資料
2011年
 早稲田大学大学院 後藤研究室
 機械学習アルゴリズムの研究に従事
 (潜在クラスモデル、ニューラルネットワークなど)
2013年
 エンタプライズ向け ERPベンダー入社
 会計システムのバックエンドエンジニア経験後、
 会計システムの AIチーム立ち上げ、 AI機能を複数リリース
 →アノテーション作業のつらみを経験
2019年
 法人向けAIフードデリバリー会社を共同創業
 あまり事業が伸びずクローズ
 
2020年
 FastLabelを共同創業(いまここ)
 アノテーション代行及びプロダクトを開発・提供
 今年2月VCより6500万円資金調達
鈴木 健史
Suzuki Takeshi
https://twitter.com/tkc79
FastLabel CEO
https://fastlabel.ai/
自己紹介
Data-centricの提唱者
Andrew Ng
● 経歴
○ GoogleBrain共同設立者
○ スタンフォード大学教授
○ DeepLearning.AI創業者
などなど...
● Courseraの機械学習コースで有名
https://www.eventbrite.com/e/mlops-from-model-centric-to-data-centric-ai-tickets-143856236877#
本日お話しすること
● Data-centricなML開発とは
● Data-centricなML開発プロセス〜概念編
● Data-centricなML開発プロセス〜実践編
● ML開発のパラダイムシフト
Data-centricなML開発とは
ML開発におけるModel-centric と Data-centricな考え方
AI = アルゴリズム + データ
Data-centricな考え方
どうデータを追加・変更すれば
AIのパフォーマンスを上げられるか?
アルゴリズム:固定
データ   :変更
Model-centricな考え方
どうアルゴリズム(及びモデルや周辺コード)を
変更すればAIのパフォーマンスがあげられるか?
アルゴリズム:変更
データ   :固定
Data-centricなML開発とは
Data-centricな開発のメリットー事例
鉄鋼製品の欠陥を検知するプロジェクト(目標精度 90%)
ベースライン Model-centric Data-centric
76.2%
Data-centricなML開発とは
Data-centricな開発のメリットー結果
76.2%
+0%
93.1%
+16.9
%
● ベースラインは76.2%の精度(目標90%)
● Model-centricとData-centricの2つチームをわけて3ヶ月改善実施
「A Chat with Andrew on MLOps: From Model-centric to Data-centric AI」
https://www.youtube.com/watch?v=06-AZXmwHjo
本日お話しすること
● Data-centricなML開発とは
● Data-centricなML開発プロセス〜概念編
● Data-centricなML開発プロセス〜実践編
● ML開発のパラダイムシフト
Data-centricなML開発プロセス〜概念編
開発プロセスについて
プロジェクト
スコープ
データ
収集・作成
モデル学習
プロダクションデ
プロイ
データ収集
データ定義
教師データ作成
モデル学習
エラー分析
データ改善
デプロイ
モニタリング
Data-centricなML開発で最重要課題
どうやって質の高いデータをすべてのフェーズで保証していくか
プロジェクト
スコープ
データ
収集・作成
モデル学習
プロダクションデ
プロイ
データ収集
データ定義
教師データ作成
モデル学習
エラー分析
データ改善
デプロイ
モニタリング
Data-centricなML開発プロセス〜概念編
開発プロセスについて
プロジェクト
スコープ
データ
収集・作成
モデル学習
プロダクションデ
プロイ
データ収集
データ定義
教師データ作成
モデル学習
エラー分析
データ改善
デプロイ
モニタリング
Data-centricなML開発プロセス〜概念編
データ作成フェーズでのData-centricな考え方
データ収集・作成フェーズでの最重要課題
どうやって一貫性のある質の高いデータを作成できるか
歩行者を矩形で囲ってください。
Data-centricなML開発プロセス〜概念編
データの一貫性が精度へ与える影響〜歩行者アノテーション
作業者A 作業者B
作業者間で異なる基準(一貫性がない)でアノテーション
500件の一貫性のあるクリーンなデータ = 約1250件のノイズありデータ(12%がノイズあり)
Data-centricなML開発プロセス〜概念編
データの一貫性が正解率へ与える影響〜実験結果
「A Chat with Andrew on MLOps: From Model-centric to Data-centric AI」
https://www.youtube.com/watch?v=06-AZXmwHjo
プロジェクト
スコープ
データ
収集・作成
モデル学習
プロダクションデ
プロイ
データ収集
データ定義
教師データ作成
モデル学習
エラー分析
データ改善
デプロイ
モニタリング
Data-centricなML開発プロセス〜概念編
データ作成フェーズでのData-centricな考え方
Model-centricな考え方
ノイズデータにうまく対応するアルゴリズムを実装でき
るか
Data-centricな考え方
一貫性の欠如が与える影響は甚大なので、
ツールなどを駆使してシステマティックに
データ品質を上げる
プロジェクト
スコープ
モデル学習
プロダクションデ
プロイ
データ収集
データ定義
教師データ作成
モデル学習
エラー分析
データ改善
デプロイ
モニタリング
データ
収集・作成
Data-centricなML開発プロセス〜概念編
モデル学習フェーズでのData-centricな考え方
自動運転で信号機を認識するAIが逆光時に誤認識するケースを発見
Data-centricなML開発プロセス〜概念編
モデル学習フェーズでのData-centricな考え方〜エラー分析
Data-centricな考え方
逆光時のデータを追加(あるいは修正、ラベル変更)す
るなどのアプローチをとる
Model-centricな考え方
モデルアーキテクチャをチューニングするアプローチ
をとる
プロジェクト
スコープ
プロダクションデ
プロイ
データ収集
データ定義
教師データ作成
モデル学習
エラー分析
データ改善
デプロイ
モニタリング
データ
収集・作成
モデル学習
Data-centricなML開発プロセス〜概念編
デプロイフェーズでのData-centricな考え方
Data-centricな考え
デプロイ後もパフォーマンスを監視し、継続的に、エラー分析やデータ追加などを行っていき改善
していく
Data-centricなML開発プロセス〜概念編
Data-centricの詳しい話はこちらで
A Chat with Andrew on MLOps: From Model-centric to Data-centric AI
https://www.youtube.com/watch?v=06-AZXmwHjo
本日お話しすること
● Data-centricなML開発とは
● Data-centricなML開発プロセス〜概念編
● Data-centricなML開発プロセス〜実践編
● ML開発のパラダイムシフト
Data-centricなML開発プロセス〜実践編
プロジェクト概要
● 歩行者検出AIプロジェクト
● 歩行者を矩形でアノテーション
● エンジニアとアノテーター複数名体制で実施
● Data-centricな開発を支援する自社プロダクトを利用
(アノテーションツールと分析機能が一体となっている)
※アノテーター・・・アノテーション作業する人
PennFudan Dataset
License CC0: Public Domain
プロジェクト
スコープ
データ
収集・作成
モデル学習
プロダクションデ
プロイ
データ収集
データ定義
教師データ作成
モデル学習
デバッグ
データ改善
デプロイ
モニタリング
Data-centricなML開発プロセス〜実践編
データ作成フェーズ
データ収集・作成フェーズでの最重要課題
どうやって一貫性のある質の高いデータを作成できるか
Data-centricなML開発プロセス〜実践編
データ作成〜システマティックに品質に一貫性をもたらす方法論①
アノテーターのオンボーディング(教育)
STEP1:エンジニアがまず基準データを作成
Data-centricなML開発プロセス〜実践編
データ作成〜システマティックに品質に一貫性をもたらす方法論①
アノテーターのオンボーディング(教育)
STEP1:エンジニアがまず基準データを作成
STEP2:アノテーターに同じタスクを解かせてシステムがフィードバック
Data-centricなML開発プロセス〜実践編
データ作成〜システマティックに品質に一貫性をもたらす方法論②
プロジェクト進行中もデータ作成のズレをモニタリング
STEP1:レビューしてOKなものを順次ゴールドスタンダードとして登録
STEP2:他の作業者のタスクにランダムに混ぜて作業者間のズレを検知
ゴールドスタンダード 他の作業者のラベル
FastLabel が、物体検出の評価指標であ
る IoU( Intersection over Union )をも
とにスコアを算出。
63%
データ品質
重なっている人物へのラ
ベルをつけていない
プロジェクト
スコープ
データ
収集・作成
モデル学習
プロダクションデ
プロイ
データ収集
データ定義
教師データ作成
モデル学習
デバッグ
データ改善
デプロイ
モニタリング
Data-centricなML開発プロセス〜実践編
モデル学習フェーズ
学習モデルを使ってテストデータへ推論をかけて、エラー分析と改善を実施
STEP1:エラー分析
STEP2:改善方針検討と実施
Data-centricなML開発プロセス〜実践編
モデル学習フェーズ
Data-centricなML開発プロセス〜実践編
モデル学習フェーズ〜エラー分析
正解データと予測結果データを重ねた画像をもとにエラー分析
分析方法
● ソート
○ IoU、ラベル数など
● フィルタリング
○ アノテーションクラス、
FalsePositive、FalseNegativeなど
推論結果データ
正解データ
Data-centricなML開発プロセス〜実践編
モデル学習フェーズ〜エラー分析
タグやクラス、IoUなど好みの条件でデータを
フィルタリング・ソートできるエラー分析機能
データ作成してモデル学習後、以下のステップを実施
STEP1:エラー分析
STEP2:改善方針検討と実施
パターン1:ラベルミス・曖昧なルールに漏れ
パターン2:データ不足
パターン3:誤検出
Data-centricなML開発プロセス〜実践編
モデル学習フェーズ
分析の結果、奥の方の人にラベルがついてないケースを発見
Data-centricなML開発プロセス〜実践編
パターン1:ラベルミス・曖昧なルールに漏れ
推論結果データ
正解データ
正解データとしてラベル付
けされていない
正解データとしてラベル付
けされていない
分析の結果、奥の方の人にラベルがついてないケースを発見
改善策:データ修正を実行(また、ラベルマニュアルを見直し)
Data-centricなML開発プロセス〜実践編
パターン1:ラベルミス・曖昧なルールに漏れ
分析画面からそのままデータ修正
データ作成してモデル学習後、以下のステップを実施
STEP1:エラー分析
STEP2:改善方針検討と実施
パターン1:ラベルミス・曖昧なルールに漏れ
パターン2:データ不足
パターン3:誤検出
Data-centricなML開発プロセス〜実践編
モデル学習フェーズ
分析の結果、人混みのデータで認識精度が悪いことが判明
Data-centricなML開発プロセス〜実践編
パターン2:データ不足
推論結果データ
正解データ
分析の結果、人混みのデータで認識精度が悪いことが判明
改善策:人混みのデータを追加
Data-centricなML開発プロセス〜実践編
パターン2:データ不足
・類似画像検索AIを利用して、
自動キュレーション
・Data Augmentationの活用
データ作成してモデル学習後、以下のステップを実施
STEP1:エラー分析
STEP2:改善方針検討と実施
パターン1:ラベルミス・曖昧なルールに漏れ
パターン2:データ不足
パターン3:誤検出
Data-centricなML開発プロセス〜実践編
モデル学習フェーズ
分析の結果、自転車に乗る人と歩行者を間違えることが判明
Data-centricなML開発プロセス〜実践編
ケース3:誤検知のケース
推論結果データ
正解データ
歩行者でなく、自転車に乗
る人を誤検出
歩行者でなく、自転車に乗
る人を誤検出
分析の結果、自転車に乗る人と歩行者を間違えることが判明
改善策:「サイクリスト」というクラスを追加し検出対象へ追加
Data-centricなML開発プロセス〜実践編
ケース3:誤検知のケース
Data-centricなML開発プロセス〜実践編
実践編まとめ
● アルゴリズムの話は一切なくAIのパフォーマンスを上げるためにデータをどう作る
か、どう改善プロセスを回すかフォーカスしたData-centricなML開発方法を紹介
した
● 一度クリーンでバランスのいいデータを作成できれば、別のアルゴリズムへ適用し
てもパフォーマンス向上が期待できる
本日お話しすること
● Data-centricなML開発とは
● Data-centricなML開発プロセス〜概念編
● Data-centricなML開発プロセス〜実践編
● ML開発のパラダイムシフト
パラダイムシフト
データ作成はML開発における
前処理 コーディング
イテレーティブなプロセス
*ビジネスでのAI実用化における話
一度作って終わり
ML開発のパラダイムシフト
データ作成はML開発におけるコーディング
データ作成
ML開発のパラダイムシフト
TeslaのAIヘッドAndrej Karpathy氏が講演にて
アノテーションする人をsoftware2.0(AIソフトウェア)の
プログラマーと呼んでいる。
Building the
Software 2 0 Stack
(Andrej Karpathy)
https://www.youtub
e.com/watch?v=y5
7wwucbXR8
ML開発のパラダイムシフト
TeslaのData-centric(と思われる)なMLOps
余談
Building the
Software 2 0 Stack
(Andrej Karpathy)
https://www.youtub
e.com/watch?v=y5
7wwucbXR8
● Data-centricの概念から実践編までデータを中心とした開発プロセスのご紹介を
した
● 現場では経験的にModel-centricとData-centricの双方のアプローチを適宜とっ
ているところが多いかと思う。ただ、データ作りや改善は地味で大変な作業かつ、
自社に専門のアノテーターが不在だったり、データ基盤が未整備なことが多いた
めためModel-centricな方法を取らざるを得ない状況。
● Data-centricを支援する便利なツールやサービスがあれば、よりData-centricな
アプローチを取りやすくなり、AIのパフォーマンスを上げるための武器が増やせる
最後に
日本初のData-centricな開発基盤をつくりませんか?
エンジニア不足です。助けてください!!採用ページリンク
宣伝
We are hiring
バズった技術ブログ
AIExpoへ出展したときの写真
宣伝
サービス・プロダクト情報
FastLabel で検索! https://fastlabel.ai/
・アノテーション代行サービス
・プロダクト(アノテーションツール、データ分析機能など)
以下の目的でコミュニティを企画してます! with TierⅣ Shibuiさん
● Data-centricなMLOpsのナレッジシェア
進め方
● トピックを決めてナレッジシェアする会を2ヶ月に1回ほどでゆるく運用
例えばこんなトピック
● 画像・動画系AIのデバッグ方法(エラー分析)と対応方法
● Active LearningやData Augmentationの事例紹介
● monitoring、Human In the Loopなど運用フェーズのしくじりや成功体験
などなど
興味ある方こちら応募お願いします!(情報だけキャッチしたい、でもOKです)
https://forms.gle/kcBbY1op1gmTypHVA
宣伝
コミュニティ活動
Thank you!

More Related Content

What's hot

機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
 
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
Deep Learning JP
 
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
cvpaper. challenge
 
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
 
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings  (EMNLP 2021)【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings  (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
Deep Learning JP
 
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留するモデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
 
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
 
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
 
backbone としての timm 入門
backbone としての timm 入門backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
 
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks? 【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
Deep Learning JP
 
[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...
[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...
[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...
Deep Learning JP
 
【DL輪読会】マルチモーダル 基盤モデル
【DL輪読会】マルチモーダル 基盤モデル【DL輪読会】マルチモーダル 基盤モデル
【DL輪読会】マルチモーダル 基盤モデル
Deep Learning JP
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
 
ドラレコ + CV = 地図@Mobility Technologies
ドラレコ + CV = 地図@Mobility Technologiesドラレコ + CV = 地図@Mobility Technologies
ドラレコ + CV = 地図@Mobility Technologies
Kazuyuki Miyazawa
 
MLOpsはバズワード
MLOpsはバズワードMLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
 
モデル高速化百選
モデル高速化百選モデル高速化百選
モデル高速化百選
Yusuke Uchida
 
時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証
Masaharu Kinoshita
 
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII
 
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning   画像×言語の大規模基盤モ...【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning   画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
Deep Learning JP
 
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
 

What's hot (20)

機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
 
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
【DL輪読会】An Image is Worth One Word: Personalizing Text-to-Image Generation usi...
 
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
 
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
 
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings  (EMNLP 2021)【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings  (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
 
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留するモデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
 
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
 
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
 
backbone としての timm 入門
backbone としての timm 入門backbone としての timm 入門
backbone としての timm 入門
 
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks? 【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
 
[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...
[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...
[DL輪読会]Model soups: averaging weights of multiple fine-tuned models improves ...
 
【DL輪読会】マルチモーダル 基盤モデル
【DL輪読会】マルチモーダル 基盤モデル【DL輪読会】マルチモーダル 基盤モデル
【DL輪読会】マルチモーダル 基盤モデル
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
 
ドラレコ + CV = 地図@Mobility Technologies
ドラレコ + CV = 地図@Mobility Technologiesドラレコ + CV = 地図@Mobility Technologies
ドラレコ + CV = 地図@Mobility Technologies
 
MLOpsはバズワード
MLOpsはバズワードMLOpsはバズワード
MLOpsはバズワード
 
モデル高速化百選
モデル高速化百選モデル高速化百選
モデル高速化百選
 
時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証
 
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
 
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning   画像×言語の大規模基盤モ...【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning   画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
 
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
 

Similar to Data-centricなML開発

Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組みData-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
Takeshi Suzuki
 
API MeetUp Online#8 セッション3 ツクレル馬場さん
API MeetUp Online#8 セッション3 ツクレル馬場さんAPI MeetUp Online#8 セッション3 ツクレル馬場さん
API MeetUp Online#8 セッション3 ツクレル馬場さん
Nihei Tsukasa
 
【講演資料】テスト自動化から始める、Io t時代の組込アジャイル開発
【講演資料】テスト自動化から始める、Io t時代の組込アジャイル開発【講演資料】テスト自動化から始める、Io t時代の組込アジャイル開発
【講演資料】テスト自動化から始める、Io t時代の組込アジャイル開発
Hiroaki Matsunaga
 
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
shakezo
 
全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み
株式会社MonotaRO Tech Team
 
データドリブン経営のメトリクス分析 AARRR!モデルの紹介
データドリブン経営のメトリクス分析 AARRR!モデルの紹介データドリブン経営のメトリクス分析 AARRR!モデルの紹介
データドリブン経営のメトリクス分析 AARRR!モデルの紹介
pLucky
 
転移学習ランキング・ドメイン適応
転移学習ランキング・ドメイン適応転移学習ランキング・ドメイン適応
転移学習ランキング・ドメイン適応
Elpo González Valbuena
 
Azure OpenAI ServiceのChatGPT API と OpenAIのChatGPT APIの比較
Azure OpenAI ServiceのChatGPT API と OpenAIのChatGPT APIの比較Azure OpenAI ServiceのChatGPT API と OpenAIのChatGPT APIの比較
Azure OpenAI ServiceのChatGPT API と OpenAIのChatGPT APIの比較
KazuoSuzuki6
 
日本語データの活用までの道のり
日本語データの活用までの道のり日本語データの活用までの道のり
日本語データの活用までの道のり
Hideto Masuoka
 
日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り
Yuichi Morito
 
クラウド x IoT実践事例のご紹介
クラウド x IoT実践事例のご紹介クラウド x IoT実践事例のご紹介
クラウド x IoT実践事例のご紹介
masaoki_ohashi
 
2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)
Code for Japan
 
IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!
Yuichi Morito
 
Elasticsearchを使ったTwitter監視アプリ
Elasticsearchを使ったTwitter監視アプリElasticsearchを使ったTwitter監視アプリ
Elasticsearchを使ったTwitter監視アプリ
YuichiArisaka
 
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できることマイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
Daisuke Masubuchi
 
2020/9/30 【エンジニア起業】小規模スタートアップがウェブサービス(SocialDog)を軌道に乗せるまで
2020/9/30 【エンジニア起業】小規模スタートアップがウェブサービス(SocialDog)を軌道に乗せるまで2020/9/30 【エンジニア起業】小規模スタートアップがウェブサービス(SocialDog)を軌道に乗せるまで
2020/9/30 【エンジニア起業】小規模スタートアップがウェブサービス(SocialDog)を軌道に乗せるまで
Masafumi Konishi
 
[Modern Cloud Day Tokyo 2019] 【ビジネスをさらに加速させる!!】Oracle Cloud を活用したデータドリブン ユースケ...
[Modern Cloud Day Tokyo 2019] 【ビジネスをさらに加速させる!!】Oracle Cloud を活用したデータドリブン ユースケ...[Modern Cloud Day Tokyo 2019] 【ビジネスをさらに加速させる!!】Oracle Cloud を活用したデータドリブン ユースケ...
[Modern Cloud Day Tokyo 2019] 【ビジネスをさらに加速させる!!】Oracle Cloud を活用したデータドリブン ユースケ...
オラクルエンジニア通信
 
ふりかえりを1枚で実施できる新フレームワーク(アジャイルレトロスペクティブズ2)
ふりかえりを1枚で実施できる新フレームワーク(アジャイルレトロスペクティブズ2)ふりかえりを1枚で実施できる新フレームワーク(アジャイルレトロスペクティブズ2)
ふりかえりを1枚で実施できる新フレームワーク(アジャイルレトロスペクティブズ2)
Keisuke Tameyasu
 
SIerでのAI社内啓蒙の取り組み
SIerでのAI社内啓蒙の取り組みSIerでのAI社内啓蒙の取り組み
SIerでのAI社内啓蒙の取り組み
Daisuke Okamoto
 
mabl - APIテストしてる? 自動化で効率化しよう!
mabl - APIテストしてる? 自動化で効率化しよう!mabl - APIテストしてる? 自動化で効率化しよう!
mabl - APIテストしてる? 自動化で効率化しよう!
Yuki Shimizu
 

Similar to Data-centricなML開発 (20)

Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組みData-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
 
API MeetUp Online#8 セッション3 ツクレル馬場さん
API MeetUp Online#8 セッション3 ツクレル馬場さんAPI MeetUp Online#8 セッション3 ツクレル馬場さん
API MeetUp Online#8 セッション3 ツクレル馬場さん
 
【講演資料】テスト自動化から始める、Io t時代の組込アジャイル開発
【講演資料】テスト自動化から始める、Io t時代の組込アジャイル開発【講演資料】テスト自動化から始める、Io t時代の組込アジャイル開発
【講演資料】テスト自動化から始める、Io t時代の組込アジャイル開発
 
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
 
全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み
 
データドリブン経営のメトリクス分析 AARRR!モデルの紹介
データドリブン経営のメトリクス分析 AARRR!モデルの紹介データドリブン経営のメトリクス分析 AARRR!モデルの紹介
データドリブン経営のメトリクス分析 AARRR!モデルの紹介
 
転移学習ランキング・ドメイン適応
転移学習ランキング・ドメイン適応転移学習ランキング・ドメイン適応
転移学習ランキング・ドメイン適応
 
Azure OpenAI ServiceのChatGPT API と OpenAIのChatGPT APIの比較
Azure OpenAI ServiceのChatGPT API と OpenAIのChatGPT APIの比較Azure OpenAI ServiceのChatGPT API と OpenAIのChatGPT APIの比較
Azure OpenAI ServiceのChatGPT API と OpenAIのChatGPT APIの比較
 
日本語データの活用までの道のり
日本語データの活用までの道のり日本語データの活用までの道のり
日本語データの活用までの道のり
 
日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り
 
クラウド x IoT実践事例のご紹介
クラウド x IoT実践事例のご紹介クラウド x IoT実践事例のご紹介
クラウド x IoT実践事例のご紹介
 
2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)
 
IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!
 
Elasticsearchを使ったTwitter監視アプリ
Elasticsearchを使ったTwitter監視アプリElasticsearchを使ったTwitter監視アプリ
Elasticsearchを使ったTwitter監視アプリ
 
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できることマイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
 
2020/9/30 【エンジニア起業】小規模スタートアップがウェブサービス(SocialDog)を軌道に乗せるまで
2020/9/30 【エンジニア起業】小規模スタートアップがウェブサービス(SocialDog)を軌道に乗せるまで2020/9/30 【エンジニア起業】小規模スタートアップがウェブサービス(SocialDog)を軌道に乗せるまで
2020/9/30 【エンジニア起業】小規模スタートアップがウェブサービス(SocialDog)を軌道に乗せるまで
 
[Modern Cloud Day Tokyo 2019] 【ビジネスをさらに加速させる!!】Oracle Cloud を活用したデータドリブン ユースケ...
[Modern Cloud Day Tokyo 2019] 【ビジネスをさらに加速させる!!】Oracle Cloud を活用したデータドリブン ユースケ...[Modern Cloud Day Tokyo 2019] 【ビジネスをさらに加速させる!!】Oracle Cloud を活用したデータドリブン ユースケ...
[Modern Cloud Day Tokyo 2019] 【ビジネスをさらに加速させる!!】Oracle Cloud を活用したデータドリブン ユースケ...
 
ふりかえりを1枚で実施できる新フレームワーク(アジャイルレトロスペクティブズ2)
ふりかえりを1枚で実施できる新フレームワーク(アジャイルレトロスペクティブズ2)ふりかえりを1枚で実施できる新フレームワーク(アジャイルレトロスペクティブズ2)
ふりかえりを1枚で実施できる新フレームワーク(アジャイルレトロスペクティブズ2)
 
SIerでのAI社内啓蒙の取り組み
SIerでのAI社内啓蒙の取り組みSIerでのAI社内啓蒙の取り組み
SIerでのAI社内啓蒙の取り組み
 
mabl - APIテストしてる? 自動化で効率化しよう!
mabl - APIテストしてる? 自動化で効率化しよう!mabl - APIテストしてる? 自動化で効率化しよう!
mabl - APIテストしてる? 自動化で効率化しよう!
 

Recently uploaded

第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
Takuya Minagawa
 
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit IntroductionMatsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo Lab
 
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
iPride Co., Ltd.
 
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
shogotaguchi
 
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
TsuyoshiSaito7
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
Sony - Neural Network Libraries
 
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツールMOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
TsuyoshiSaito7
 
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
Hironori Washizaki
 
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ..."ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
たけおか しょうぞう
 
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo Lab
 
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit IntroductionMatsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo Lab
 
Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
Takayuki Nakayama
 

Recently uploaded (12)

第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
 
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit IntroductionMatsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit Introduction
 
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
 
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
 
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
 
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツールMOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
 
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
 
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ..."ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
 
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
 
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit IntroductionMatsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit Introduction
 
Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
 

Data-centricなML開発