ML プロジェクトは特定の目標、タスク、 結果に応じてフェーズで進行しますML の開発フェーズを明確に理解することで、エンジニアリングの責任を確立し、関係者の期待を管理し、リソースを効率的に割り当てることができます。
各フェーズを（多くの場合は反復して）スムーズに進めることが、長期的にビジネス上の問題を解決する ML モデルを設計、組み立て、構築するための基盤となります。
大まかに言うと、ML ソリューションの実装は、次のフェーズで構成されます。
- アイデアの検討と計画
- テスト
- パイプラインの構築
- プロダクション
アイデアの検討と計画
構想と計画のフェーズでは、ML ソリューションの観点から問題を捉え、プロジェクトの実現可能性を推定します。
- 目標: ML が問題に対する最適なソリューションかどうかを判断すること。
- タスク: ビジネス上の問題を分析して、プロジェクトの制約を理解します。
- 結果: ML ソリューションで問題を解決する方法を説明する設計ドキュメント。ML 設計ドキュメントの例については、go/ml-design-doc-example をご覧ください。
動画の文字起こしは、 ブロードキャストで視聴できます。音声文字変換が表示されない場合は、 音声文字変換アイコンをクリックします。
テスト
テストは ML の中核です。このフェーズでは、ML ソリューションが実行可能であることを確認します。解決策の発見は反復プロセスです問題を解決する特徴、ハイパーパラメータ、モデル アーキテクチャの適切な組み合わせを見つける前に、何百ものテストを試すことは珍しくありません。
- 目標: ビジネス上の問題を解決するモデルを構築すること。
- タスク: 特徴、ハイパーパラメータ、モデル アーキテクチャをテストします。
- 結果: 本番環境で使用するのに十分な品質のモデル。
動画の文字起こしは、 ブロードキャストで視聴できます。音声文字変換が表示されない場合は、 音声文字変換アイコンをクリックします。
パイプラインの構築と運用化
パイプラインの構築と本番環境化のフェーズでは、データの処理、モデルのトレーニング、予測の提供のためのパイプラインを構築します。次に、必要なモニタリングとロギングのインフラストラクチャを使用して、モデルとパイプラインを本番環境にデプロイします。
- 目標: 本番環境でモデルのスケーリング、モニタリング、保守を行うためのインフラストラクチャを構築して実装する。
- タスク: 本番環境でモデルを最新の状態に保つためのタスクの多くを自動化するパイプラインを構築します。
- 結果: 検証された ML パイプライン。
動画の文字起こしは、 ブロードキャストで視聴できます。音声文字変換が表示されない場合は、 音声文字変換アイコンをクリックします。
エンドツーエンドの ML ワークフロー
次の図は、エンドツーエンドの ML ワークフロー全体を示しています。各フェーズとそのタスク、結果が示されています。
図 1. ML ワークフローの主な 4 つのフェーズ。
留意点
各フェーズには複数の課題があります。これらを認識せず、計画もしていないと、期限に間に合わず、エンジニアの不満やプロジェクトの失敗につながる可能性があります。