機械学習デザインパターンの必要性と機械学習ライフサイクル

機械学習デザインパターンの必要
性と機械学習ライフサイクル
鷲崎弘宜
早稲田大学 / 国立情報学研究所 /
システム情報 / エクスモーション
2021年 11月10日
washizaki@waseda.jp
http://www.washi.cs.waseda.ac.jp/
1
出版記念セミナー: AI活用成熟度と機械学習デザインパターン詳説

2
『機械学習デザインパターン ―データ準備、モデル構築、MLOpsの実践上の問題と解決』Lakshmananら著, 鷲崎ら訳, オライリージャパン, 2021

機械学習プロセスと役割
• 様々な役割の共働
3

機械学習ライフサイクル:
発見・探索 → 開発 → デプロイ
4

機械学習によるパラダイム転換
5
目標
学習デー
タ
学習済み
モデル
活動 /
システム（動作）
目標モデル
活動 /
システム（動作）
データ
従来のエンジニアリング: 演繹的（モデルが最初に与えられる）
機械学習ベース: 帰納的（モデル・アルゴリズムがデータで決まる）
プロセス実行
プロダクト
機械学習ベース・データ駆動エンジニアリング機械学習システム
参考: 丸山宏, 機械学習工学に向けて, JST機械学習型システム開発へのパラダイム転換, 2017 5

機械学習の共通課題
• データ品質: 正確性、完全性、一貫性、適時性
• 再現性: 無作為性、フレームワークへの依存
• データドリフト: データの訓練時からの乖離・変化
• 規模: データセット、リクエスト数
• 異なる目的: 誤差最小化、不良品減少、収益増加・・・
6

機械学習デザインパターンとは
機械学習で繰り返し登場するベストプラクティスを、特定の
プラットフォームによらない問題と解決としてまとめたもの
• Google Cloudのデータ分析&AI部門トップらの豊富な知見
• データ表現、問題表現、モデルの訓練、再現性、対応性、
運用性、説明性、公平性など
• 抽象と具象をつなぐ道具: 問題再利用、解決再利用、うまく
いく理由とトレードオフ・代替案、アーキテクチャ一貫
• 様々な役割間の共通言語
7
Valliappa Lakshmanan, Sara Robinson, Michael Munn著, 鷲
崎弘宜, 竹内広宜, 名取直毅, 吉岡信和訳, “機械学習デザ
インパターン – データ準備、モデル構築、MLOpsの実
践上の問題と解決”（原著 “Machine Learning Design
Patterns”）, オライリージャパン, 2021.
https://www.amazon.co.jp/dp/4873119561

ライフサイクルと機械学習デザインパターン
8
責任あるAI
パターン
データ表現
パターン
問題表現
パターン
モデル訓練
パターン
再現性パ
ターン
対応性のある
運用パターン
対応性のある
運用パターン

出版記念セミナー「AI活用成熟度と
機械学習デザインパターン詳説」
• アンケートにぜひご協力ください。
• 最後に素敵なお知らせもあります。
• 質問はZoomチャットで受け付けます。
• 主催: スマートエスイーコンソーシアム
• 共催: JST未来社会創造事業 eAI 機械学習を用いたシステムの高品
質化・実用化を加速する"Engineerable AI"技術の開発
• 協力:
• 株式会社オライリー・ジャパン
• 早稲田大学グローバルソフトウェアエンジニアリング研究所
9

スマートエスイー Smart SE https://smartse.jp
• 文科省社会人教育 enPiT-Pro AI・IoT×ビジネス
• 正規履修履修証明プログラム10科目120時間
• 一部JMOOCオンライン提供中、関連内容をセミナー
• コンソーシアム: 地域展開、交流、調査研究
全国規模の14大学・
研究所ネットワーク
26以上の企業・業界
団体(会員企業5000
超)・自治体との連携
+
+
クラウド
センサ・IoT
人工
知能
ビッグ
データ生成
知識
抽出
革新
情報処理
アプリケーション
ビジネス
価値
創造
題材・事例
教材・指導
受講生派遣・
外部評価
進学・共同
研究接続
教材・指導
地区展開
スマートエスイー
通信・物理
協力校
10

機械学習デザインパターンの必要性と機械学習ライフサイクル

More Related Content

What's hot

Similar to 機械学習デザインパターンの必要性と機械学習ライフサイクル

More from Hironori Washizaki

機械学習デザインパターンの必要性と機械学習ライフサイクル