※追記あり そろそろ髪を切りたくなり、有給休暇を取って普段通っているQBハウスに行った。しかし緊急事態宣言解除の影響か激混みしており、人気ラーメン屋のような行列ができていた。 しばらく待っても前に進む気配がないので、仕方なく近くのカット2000円の美容室に行くことにした。 入ってしばし突っ立っていたが、なかなか対応してくれず3分くらいして、アラサーくらいの男性美容師が「なんでしょう!?」とやってきた。 久しぶりの美容室でやや緊張している私は控えめに 「すみません、予約してないんですけどよろしいでしょうか...?」と尋ねたところ 「ウチ予約やって無いんで。そこ(来店表)に名前書いて、荷物ロッカーに預けて座っててください!」と言われた。 やたらピリついているなぁという印象だが、広さの割にスタッフはこの美容師とアシスタントっぽい中年女性しかおらず、忙しくてバタバタしているのかな?と思った。 10
AI Labの岩崎(@chck)です、こんにちは。今日は実験管理、広義ではMLOpsの話をしたいと思います。 MLOpsはもともとDevOpsの派生として生まれた言葉ですが、本稿では本番運用を見据えた機械学習ライフサイクル(実験ログやワークフロー)の管理を指します。 https://www.slideshare.net/databricks/mlflow-infrastructure-for-a-complete-machine-learning-life-cycle 参考記事のJan Teichmann氏の言葉を借りると、 エンジニアがDevOpsによって健全で継続的な開発・運用を実現している一方、 多くのデータサイエンティストは、ローカルでの作業と本番環境に大きなギャップを抱えている クラウド含む本番環境でのモデルのホスティングが考慮されないローカルでの作業 本番のデータボリュームやス
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く