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
10. Nov 2021•0 gefällt mir•1,335 views
Downloaden Sie, um offline zu lesen
Melden
Software
鷲崎弘宜, 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, 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, スマートエスイー, 2021
Hironori WashizakiFolgen
Recomendados
ReAct: Synergizing Reasoning and Acting in Language Modelsharmonylab
失敗から学ぶ機械学習応用Hiroyuki Masuda
最近のDeep Learning (NLP) 界隈におけるAttention事情Yuta Kikuchi
【DL輪読会】Toolformer: Language Models Can Teach Themselves to Use ToolsDeep Learning JP
ChatGPT 人間のフィードバックから強化学習した対話AIShota Imai
深層生成モデルを用いたマルチモーダル学習Masahiro Suzuki
Más contenido relacionado
Was ist angesagt?
AdaFace(CVPR2022)Kazuki Maeno
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)RyuichiKanoh
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion ModelsDeep Learning JP
深層学習による自然言語処理入門: word2vecからBERT, GPT-3までYahoo!デベロッパーネットワーク
![[Cloud OnAir] BigQuery の一般公開データセットを 利用した実践的データ分析 2019年3月28日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/0328-190328095050-thumbnail.jpg?width=384&height=256&fit=bounds)
[Cloud OnAir] BigQuery の一般公開データセットを 利用した実践的データ分析 2019年3月28日 放送Google Cloud Platform - Japan
WSDM2018 読み会 Latent cross making use of context in recurrent recommender syst...Takanori Nakai
![[Cloud OnAir] BigQuery の一般公開データセットを 利用した実践的データ分析 2019年3月28日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/0328-190328095050-thumbnail.jpg?width=2048&height=1162&fit=bounds)
![SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜](https://cdn.slidesharecdn.com/ss_thumbnails/ts120220608ssiitransformerr2-220607054025-3adacf07-thumbnail.jpg?width=2048&height=1162&fit=bounds)
![[DL輪読会]Flow-based Deep Generative Models](https://cdn.slidesharecdn.com/ss_thumbnails/20190307-190328024744-thumbnail.jpg?width=2048&height=1162&fit=bounds)
Similar a 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および機械学習システムの品質保証の取り組みHironori Washizaki
（修正）機械学習デザインパターン（ML Design Patterns）の解説Hironori Washizaki
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))HironoriTAKEUCHI1
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けてHironori Washizaki
パターンのつながりとAI活用成熟度Hironori Washizaki
開催の辞MLSE
Más de Hironori Washizaki
デジタルトランスフォーメーション（DX）におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向Hironori Washizaki
SQuBOKガイドV3概説 ～IoT・AI・DX時代のソフトウェア品質とシステム監査～Hironori Washizaki
人生100年・60年カリキュラム時代のDX人材育成: スマートエスイー 2021年度成果および2022年度募集Hironori Washizaki
スマートエスイーコンソーシアムの概要と2021年度成果紹介Hironori Washizaki
DXの推進において企業内に求められる人材やデジタル人材の育て方Hironori Washizaki
対応性のある運用のパターン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
- 1. 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. 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
- 3. 機械学習プロセスと役割 • 様々な役割の共働 3 『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
- 4. 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
- 5. 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
- 6. 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 ―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
- 7. 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
- 8. 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 『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
- 9. 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
- 10. 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