GOのデータ・AIを活用する「組織」を30分で紹介GO TechTalk #25 で発表した資料です。 ■ YouTube https://www.youtube.com/live/lH0z49oHRWI?feature=shared&t=98 ■ connpass https://jtx.connpass.com/event/306325/
Introduction to Data Validation: MLOps における重要性とその分類、実用上の注意点について - Qiita
Introduction to Data Validation: MLOps における重要性とその分類、実用上の注意点についてMachineLearningMLOps この記事では MLOps における Data Validation (データバリデーション: データの検証) について概要を述べます。 Data Validation はこれ単体では新しい概念ではありません。たとえば入力フォームで入力値に制約を設け、その制約を満たすデータのみを入力値として受け入れるようにするのは、サービス開発では一般的なことでしょう。入力欄において空欄を許さない、値は特定のリストからのみ選択できるといった制約を設けている例は、開発者でなくても一般的に目にしたことがあるかと思います。 このように Data Validation は一般的な概念ですが、MLOps においては非常に重要な概念となります。また、そこ
MLOps系プロダクトの布教活動報告 - Qiita
この記事はMLOps Advent Calendar 2021の18日目の記事です。 2016年にもTensorFlowとMLサービスの2016年の布教活動報告を書きましたが、ここ3年くらいはMLOps系の活動をメインにしてきたので、その報告です。COVID後はイベント登壇も減り、ブログ記事の執筆が多くなりました。その裏話的な内容です。 Feature Store のブログ記事 今年5月のGoogle I/OでVertex AIのMLOps系プロダクトがいくつかリリースされたので、その後にフォローアップのブログ記事を出し始めました。まずは6月にPMのAnandと書いた Kickstart your organization’s ML application development flywheel with the Vertex Feature Store（日本語版）です。 このプロダクト
Big Data To Good Data: Andrew Ng Urges ML Community To Be More Data-Centric And Less Model-Centric
Big Data To Good Data: Andrew Ng Urges ML Community To Be More Data-Centric And Less Model-Centric “If 80 percent of our work is data preparation, then ensuring data quality is the important work of a machine learning team.” “If 80 percent of our work is data preparation, then ensuring data quality is the important work of a machine learning team.” Andrew Ng The progress in machine learning progre
大量のユーザーデータを横断的に使うために LINEのデータサイエンティストが気をつけているいくつかのこと
2020年11月25〜27日の3日間、LINE株式会社が主催するエンジニア向け技術カンファレンス「LINE DEVELOPER DAY 2020」がオンラインで開催されました。そこで LINEのフェローであり、Data Science and Engineeringセンターに所属する並川淳氏が、「LINEではどのようにサービス横断でのデータ活用を実現しているのか」というテーマで、LINEにおけるデータの扱い方について共有しました。 LINEにおけるデータ活用の取り組み 並川淳氏（以下、並川）：本日は「LINEではどのようにサービス横断でのデータ活用を実現しているのか」というタイトルで、並川が発表いたします。私は、LINEではふだん機械学習に関わる開発全般を担当しています。ですが、今日は機械学習に限らず、LINEにおけるデータ活用の取り組みについて幅広く紹介させてもらえればと思っています。よ
MLOps with a Feature Store
TLDR; If AI is to become embedded in the DNA of Enterprise computing systems, Enterprises must first re-align their machine learning (ML) development processes to include the automated testing, versioning, governance, and storage of ML assets (features and models). This blog introduces details on how to implement MLOps processes with a Feature Store. What is MLOps?MLOps is a recent term that descr
ML Ops: Machine Learning as an Engineering Discipline
So, your company decided to invest in machine learning. You have a talented team of Data Scientists churning out models to solve important problems that were out of reach just a few years ago. All performance metrics are looking great, the demos cause jaws to drop and executives to ask how soon you can have a model in production. It should be pretty quick, you think. After all, you already solved
データ分析プロジェクトの品質をキープしつつ効率的な検証をサポートする一時ファイル群の管理 - クックパッド開発者ブログ
研究開発部の takahi_i です。本稿はデータ分析、 機械学習関係のプロジェクトで数多く生成される一時オブジェクトおよびそれらのオブジェクトを保持するファイル（一時ファイル）を管理する取り組みについて解説します。 本稿の前半はデータを分析するプロジェクトの一般的なフローと起こりがちな問題（コードの品質管理）について解説します。後半はプログラム上で生成されるオブジェクト群をファイルに自動でキャッシュを管理するツール（Hideout）を使って、コードを整理整頓しやすくする施策について紹介します。 データを分析するプロジェクトの一般的なフロー まずデータを処理するプロジェクトや機械学習プロジェクトの典型的なフローについて考えてみます。まずは単純に機械学習器を取得した入力に対して適用するプロジェクト、次にもう少し複雑な事例、アプリケーションで利用するデータを生成するプロジェクトのフローについて
A Berkeley View of Systems Challenges for AI
A Berkeley View of Systems Challenges for AI Ion Stoica Dawn Song Raluca Ada Popa David A. Patterson Michael W. Mahoney Randy H. Katz Anthony D. Joseph Michael Jordan Joseph M. Hellerstein Joseph Gonzalez Ken Goldberg Ali Ghodsi David E. Culler Pieter Abbeel Electrical Engineering and Computer Sciences University of California at Berkeley Technical Report No. UCB/EECS-2017-159 http://www2.eecs.ber
Google Sites: Sign-in
Not your computer? Use a private browsing window to sign in. Learn more
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
DEEM: Workshop on Data Management for End-to-End Machine Learning @ ACM SIGMOD'20
Schedule
Demystifying a Dark Art: Understanding Real-World Machine Learning Model Development
機械学習品質管理・保証の動向と取り組み
Disdat: Bundle Data Management for Machine Learning Pipelines | USENIX
Quick Access: Building a Smart Experience for Google Drive
ItemSuggest: A Data Management Platform for Machine Learned Ranking Services
http://www.vldb.org/pvldb/vol11/p1781-schelter.pdf
full-issue
http://sites.computer.org/debull/A18dec/p5.pdf