機械学習システムの運用課題とコンテナオーケストレーションがもたらすもの - yubessy.hatenablog.com
最近仕事では機械学習を使ったアプリケーションをKubernetes上で運用することが多くなっています。 MLOpsのような言葉も次第に浸透してきたりと、システムとしての機械学習をどう運用していくかが活発に議論されるようになってきました。 運用に頭を悩まされてきた身としては心強い限りです。 この記事ではKubernetes(以下k8s)のようなコンテナオーケストレーション技術が、機械学習システム(以下MLシステム)の実行基盤としてなぜ適しているのかについて考えてみました。 注意点として、私はMLアルゴリズムの専門家ではなく、またLinuxやコンテナ技術の専門家でもありません。 あくまで仕事としてMLシステムを運用するためにk8sを利用している立場からの考察です。 TL; DR: MLシステムの運用には次のような課題が存在する 目的によって求められるワークロードの形態が異なる 一時的・断続的に
いい加減にしろよビジネスグランドワークス
今年の4月から新社会人の増田だ。 就職した会社は若干体育会系の空気があるがそれなりに楽しくやっている。 社訓を暗記させられたリはするもののめちゃくちゃ厳しいわけでもなく、楽しい部分も為になる部分も多い。 いい会社に就職した、と思っている。本心から。 だけどさ、ビジネスグランドワークス。お前は駄目だろ。 意味のない大声での絶叫、挨拶、返事の練習。生まれ変わる宣言。 ”仕事10則”。まだいい。けどそれって120秒以内に大声で絶叫しないとダメな内容なのか？ みんな頑張ってるんだからさ、声が出ないなら出ないなりに泣いたり真っ赤になって叫んだり喉枯らしたりしろよ、っていうけどさ。 本当に必要か？キビキビとした動きで、って軍隊じゃないんだぞ。サービス業だぞ。 やっとの思いの昼食は講師と談笑しながら和やかに、って正気か？お前がいるから和やかにできないんだよ。 去年は山の麓で2泊3日、終わらないと帰れなか
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
