12月10日の2022ソフトウェアテストアドベントカレンダーです。 Launchable社でエンジニアとして働いているcvuskと申します。機械学習界隈では機械学習を実用化するためのシステム開発の本を書いてたります。もし良かったら読んでみてください。 『機械学習システムデザインパターン』 『機械学習システム構築実践ガイド』 本ブログでは機械学習を用いてテスト実行を効率化する手法として、Predictive Test Selectionについて説明します。テスト実行時間やコストで課題を抱えているエンジニアに役に立つと幸いです。 昨今の開発におけるテスト事情 2002年に『テスト駆動開発』が世に出て、ソフトウェア開発でテストを書くことが常識になって早20年が経っています。その間にクラウドの登場やDevOpsの普及により、テストをCI/CDパイプラインで自動実行し、コードとプロダクト品質を維持す

Kerasでハイパーパラメータの自動調整いろいろ ディープラーニングを使う際の大きな課題の一つがハイパーパラメータのチューニングです。 ニューラルネットワークのニューロン数やドロップ率、ラーニング率といったパラメータを調整し、より良いモデルを作る必要があります。 どのパラメータ値が良いのかは先例や経験から決めることができますが、始めてのモデルを使う場合は、やはりパラメータのチューニングをしなければなりません。 ハイパーパラメータ・チューニングの方法は手動調整と自動調整があります。 手動でパラメータを試していくよりも、やはり自動調整でパラメータを探索していくほうが便利です。 パラメータ自動調整の方法 ニューラルネットワークに限りませんが、機械学習のパラメータ調整を行う方法は多種多様にあります。以下に例を挙げます。 ランダム・サーチ RandomizedSearchCV：　ランダムにパラメータ

JupyterHubを構築する みなさまはPythonのコーディング環境、なにを使っていますか？ Jupyter Notebookという人も意外と多いと思います。 Jupyter NotebookはWebブラウザで使うコーディング環境で、プラグインを使うことでPython以外にもJavaやR等のコーディング環境にもなります。 Jupyter Notebookだけではユーザ管理はできず、グループで開発を行うときに不便です。 JupyterHubを使えばJupyter Notebookにユーザ認証のインターフェイスを付けることができるので、その構築方法を紹介します。 ※　Jupyter NotebookはAnacondaでインストールするのが簡単です。 https://www.continuum.io/downloads ※　JupyterHub http://jupyterhub.readt

2017/07/26 水曜日にPyData Tokyo Meetup #14に参加してきました。 内容はNVIDIAの方によるディープラーニングでして、ディープラーニング用NVIDIA GPUの選び方やNVIDIAのディープラーニング界隈への貢献をきくことができました。 ちょうど先週から「GPUを支える技術」を読んでいたので、GPUについて学んだことをまとめたいと思います。 個人的なGPUの思い出 始めてGPUを使ったのは10年くらい前の大学時代にPCを組み立てたときです。CPUはAMD、GPUはGeForceにした覚えがあります（マザーボードはASUSだったかな？）。 AMDにもRADEONがありますが、せっかくPC自作するならいろいろ違うものを組み合わせよう、とGPUはNVIDIAにしたのです。 GPUがほしかった理由はスト4をプレイしたかったからでした。 その後就職してからは自宅であ