本番環境での機械学習モデルの監視について (1/3)
このシリーズでは本番環境でのモデルの監視の必要性について考えていきます。全3回を予定しています。今回はその最初の回です。データの集計処理に不具合が発生してしまい、すべてのユーザーのログイン回数が0となってしまった場合に発生する事象について、ケーススタディとして見ていきます。 今回の要旨 機械学習を本番環境で用いる場合、モデルに投入するデータが壊れると結果が壊れる機械学習モデルの精度指標を監視するだけでは不十分なことがあるデータの型だけではなく、欠損を表す値の割合や値の分布の変化についても監視が必要TOC· はじめに · 主旨 · 前提: EC サイトのマーケティングキャンペーン · 背景 · 机上検証 · 評価結果 · ケーススタディ すべてのユーザーのログイン回数が0 · 問題発生 · 発生した事象 · 原因 ∘ 他チームの行った変更に対応できていない ∘ データの欠損について気がつけて
マーケティング上の認知に関して。｜Junichi Nakamura
こんにちは。中村です。 今朝ある記事を読んで触発されたのでNoteを１本書いてみることにしました。今回は認知についてです。 まずは以下の図をご覧ください。かの有名なウォーリーを探せです。これ私が小さい頃はすごく流行りましたが最近はどうなんですかね？ ウォーリー探してみてくださいね。 参照：https://prcm.jp/album/pib1298178493/pic/31253229 さて、皆様見つかりましたでしょうか？どれくらいお時間かかりましたか？数秒ですかね？数分かかった方もいるかもしれません、直観的にすぐ見つけた方もいらっしゃるかもしれません。 人によって結構戦略が違うと思います。きっと慣れてらっしゃる方は白と赤のボーダーをとりあえず探していくという戦略を取られたかな。または画像をある程度６つか９つくらいのブロックに分けて順番に見られたかもしれません。 さて、ここでもう一つ質問です
1
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
処理を実行中です
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
