misshikiのブックマーク - はてなブックマーク

MLOpsの「壁」を乗り越える、LINEヤフーの Data Quality as Code
データの品質はMLモデルの信頼性に関わる重要な指標ですが、サイエンティストと運用者の連携は容易ではなく、MLOpsをスケールアウトする上で運用面のボトルネックとなりやすいポイントです。このセッションでは、信頼性の高いMLモデル運用を効果的に実現する、LINEヤフーのData Quality as Codeの仕組みを紹介します。
misshiki 2024/05/07
全26ページのスライド資料。

MLOps
リンク
データ品質をコード化！ LINEヤフーのMLOpsを最適化する "ACP Data Quality" の紹介
第7回Data-Centric AIの登壇資料です。発表者：古川新発表内容：エンタープライズのMLOps成長戦略において、開発効率が成熟してくるとモデルの運用の信頼性が課題になってきます。LINEヤフーのAIプラットフォームでは、データ品質管理を適切に管理することで運用の信頼性を向上するACP Data Qualityというマネージドサービスを提供しています。このセッションでは、一貫性のあるデータ品質管理を実現するための中核的機能の1つであるDQML（データ品質モデル言語）によるデータ品質のコード化の取り組みについて紹介します。
misshiki 2024/03/29
全35ページのスライド資料。

MLOps
リンク
生成AIが抱えるリスクと対策
LINEヤフー株式会社プライバシー&トラストチーム / LINEヤフー研究所上席研究員髙橋翼コンピュータセキュリティシンポジウム 2023（2023/10/31） PWS企画「生成AIに関する問題と技術、制度的な対応について」の登壇資料です https://www.iwsec.org/css/2023/index.html
misshiki 2023/11/06
全31ページのスライド資料。

人工知能

セキュリティ

自然言語処理

コンピュータビジョン
リンク
1