特徴量を言語を越えて一貫して管理する, 『特徴量ドリブン』な MLOps の実現への試み

MIXI minimo の システム開発グループ AI 推進チーム で機械学習関連の施策をしている Taniii です. モデルの学習から推論, 実サービスへの実装までの一連の流れで, 品質を保証し, 高速にモデル改善のサイクルを回すためには, 特徴量の一貫した管理と, その管理の自動化が重要だと考えています. これらを実現するために, MIXI の運営するサービス minimo では, 特徴量の管理を中心に据えた自動化を導入しました. 本記事では, 特徴量ドリブンな MLOps を実現するための試みを紹介します. 要約すると... 最初に結論を書くと, 以下のような自動化フローを構築しています. 詳細について, 次節以降で説明します. サービスのバックグラウンドと機械学習の活用 minimo は, 月間 200 万人以上 (WEB, アプリの合計. 2021 年 11 月時点) のお客様

[misshiki]

“特徴量ドリブンな MLOps とは... 一連のサイクル, 言語やシステムを越えて, 特徴量を一貫して管理することで, モデルの品質を保証し, 高速にモデル改善のサイクルを回すことを目指す取り組み”