機械学習チーム立ち上げ前夜とその後の話 #バクラク #LayerX｜Shun Takagiwa
こんにちは！バクラクエンジニアの高際です！ LayerXでは現在AI-OCRチームのマネージャーを担当しています。 このnoteでは、機械学習チーム立ち上げ前夜の意思決定プロセスと、その後の進捗について報告したいと思います。 いきなり昔話をしますが、LayerXは実は去年(2021年)までは機械学習に積極的に取り組んでいませんでした。 クラウドコンピューティングと同様当然に利用する技術ではあるものの、自社のコア技術として積極投資するというよりは、あくまでツールのひとつとして利用するというスタンスでした。 それが一転して2022年にはCEO福島から「機械学習を本気でやります。チームを10倍に拡大させる」という宣言を出しました。 ML本気でやります。MLチームを10倍に拡大させることを決めました。MLエンジニアの皆様ぜひLayerXをよろしくおねがいします。(私も5年のブランクを超え勉強し始め
StreamlitとFastAPIで非同期推論MLアプリを作る
StreamlitはPythonだけでwebアプリを作ることができるツール（ライブラリ）です。フロントに関する知識がほとんど不要なため、簡単なダッシュボードやデモアプリを作るのに適しています。公式のページでは様々なサンプルアプリが公開されています。 ところで機械学習（特に深層学習）モデルでは、例えば画像1枚あたり数秒の推論時間がかかることもあります。Streamlitは機械学習のデモアプリ用途としても適していると思いますが、推論に時間がかかる場合にいちいち推論完了を待つのは退屈かもしれません。ここではPythonのwebフレームワークであるFastAPIを組み合わせることで、推論を非同期で行う画像認識アプリケーションを作ります。 コードはこちらに配置しました。 アプリ内容 StreamlitによるGUIは以下のようになります。画像をアップロードし、「Submit」ボタンを押すことで画像認識
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
satsuki on X: "実サービスの機械学習システム設計について書かれた「Machine Learning System Design Interview」を読んだので、本の内容を紹介した記事を書きました。 機械学習システム設計に特化した本「Machine Learning System Design Interview」を読みました https://t.co/HK7Njxy8jF"
https://x.com/icoxfog417/status/1821865162779062690?s=12&t=suYC6B2IhN7jv0qU5zDxmQ
JavaScript is not available.
https://x.com/_stakaya/status/1703193718759870971?s=12&t=suYC6B2IhN7jv0qU5zDxmQ
https://x.com/keigohtr/status/1698481522498547771?s=12&t=suYC6B2IhN7jv0qU5zDxmQ
https://x.com/zerebom_3/status/1698195085614297149?s=12&t=suYC6B2IhN7jv0qU5zDxmQ
https://twitter.com/tmaehara/status/1644233214544756737?s=12&t=suYC6B2IhN7jv0qU5zDxmQ
https://twitter.com/enutoesu/status/1605083694347059200?s=12&t=Ekd57577RLAHsoOFxJHljQ
「機械学習」という技術で価値を創出する技術 / techniques-to-create-values-with-ml-layerx
https://twitter.com/icoxfog417/status/1538385682590142464
Ryuji Fuchikami on Twitter: "DeepLearning系のプログラムの一番難しいところは、バグがあっても学習が進んでしまうことに他ならないと改めて思った次第です。 そしてバグがあると最後の最後で必要な結果に達しなかったりするので、デバッグがとても難しい(泣)。"
akira on Twitter: "https://t.co/05OJlJ51TH MLOpsの失敗事例をまとめた論文。金融業界への適用時に発生した事例を紹介し、データの質を追跡すること、モデルの履歴を追跡すること、複数のレベルでHuman-in-the-Loopの… https://t.co/lsyGJeymHA"
fetaro on Twitter: "機械学習モデルのデプロイ前の精度検証が色んな角度から作り込まれてるし、デプロイ後の精度監視もしっかりしてる。すごい。 GOの機械学習システムを支えるMLOps事例紹介 #devops #gcp https://t.co/ghFesb4ljE via @SlideShare"
hurutoriya on Twitter: "GCPが公開したMLOpsのホワイトペーパーを解説した記事。各種タスクの特性に応じた取るべき戦略が分類されていて図鑑として見るのが良さそう。実例から作られた交えた濃いフレームワークを公開してくれるの有り難い / https://t.co/7iiHx30657"
小川雄太郎 on Twitter: "MLOpsについて、 Level 0: Low automation Level 1: High Automation に分けて図解し、それぞれのコンポーネントにおすすめのサービスなどを解説した、濃い記事でした https://t.co/OymXJHjY1r"
HAL@人工知能にゅ～す🛰 on Twitter: "ニューヨークの銀行のシステムを例に機械学習モデルの開発とデプロイにおける失敗談をまとめたMLOpsの論文。 Oversamplingしてからtrain-test splitするとleakするよ！などの例が挙げられている。… https://t.co/PlzkwP02fX"
piqcy on Twitter: "機械学習を活用している先進的な企業のガイドラインをまとめた記事。各社が機械学習をアプリケーションを適用する際、どのようなステップを踏んでいるのか、何に注意を払っているのかが解説されている、 https://t.co/BC86y0HCcf"
ばんくし🎃 on Twitter: "【MLOps】どのワークフローライブラリを使ってる？"