MLOps - yuyan

MLOps

データ基盤

データ基盤

特徴量エンジニアリング

MLOpsサーベイ github レポジトリ

https://masatakashiwagi.github.io/mlops-practices/

つよつよサーベイ論文

https://nsakki55.hatenablog.com/entry/2023/01/23/102630

CyberAgent AI事業本部MLOps研修応用編

https://speakerdeck.com/nsakki55/cyberagent-aishi-ye-ben-bu-mlopsyan-xiu-ying-yong-bian?slide=13

Lambda

https://lambdalabs.com/

clearML

https://clear.ml/

MLFlow

https://mlflow.org/

TensorBoard

https://www.tensorflow.org/tensorboard?hl=ja

BigQuery

https://cloud.google.com/bigquery/docs/introduction?hl=ja

機械学習アプリケーションにおけるテストについて

https://www.nogawanogawa.com/entry/machinelearning_testing#google_vignette

Hydra

https://hydra.cc/docs/intro/

訓練データと検証・テストデータの分布が異なるときの機械学習

https://qiita.com/Negimaru1/items/1380e6094bf1add154b5

CyberAgent AI事業本部新卒研修「MLOps」の資料を公開します

https://developers.cyberagent.co.jp/blog/archives/48203/

Commune's ML/DS Casual Tech Talk

https://commmune.notion.site/Commune-s-ML-DS-Casual-Tech-Talk-33699b7766a74f11afe89badfed165a2

機械学習システムデザイン

https://github.com/oreilly-japan/designing-ml-systems-ja/tree/main

1章機械学習システムの概要

2章機械学習システム設計の概要

3章データエンジニアリングの基礎知識

4章訓練データ

5章特徴エンジニアリング

6章モデル開発とオフライン評価

7章モデルのデプロイと予測サービス

8章データ分布のシフトと監視

9章実現場での継続学習とテスト

10章 MLOpsにおけるインフラとツール

11章機械学習の人的側面

付録機械学習システムを外部に提供する

いちばんやさしい機械学習プロジェクトの教本

信頼性の高い機械学習 ―SRE原則を活用したMLOps

1章はじめに

2章データマネジメント

3章 MLモデルの基礎

4章特徴量と訓練データ

5章モデルの確実性と品質の評価

6章公正さ、プライバシー、倫理的なMLシステム

7章 MLモデル訓練システム

8章サービス運用

9章モデルの監視と可観測生

10章継続的なML

11章障害対応

12章製品とMLの関わり方

13章 MLの組織への統合

14章実践的なML組織の事例

15章 MLOpsの実践

SageMaker での MLflow のすゝめ

https://qiita.com/moritalous/items/bbcd768f57541ed21612