AIエンジニアのための機械学習システムデザインパターン(澁井 雄介)|翔泳社の本
  1. ホーム >
  2. 書籍 >
  3. AIエンジニアのための機械学習システムデザインパターン

AIエンジニアのための機械学習システムデザインパターン


形式:
書籍
発売日:
ISBN:
9784798169446
定価:
3,960(本体3,600円+税10%)
仕様:
A5・440ページ
分類:
人工知能・機械学習
シリーズ:
AI & TECHNOLOGY

本書籍の他の形式を確認する

  • このエントリーをはてなブックマークに追加

機械学習システム構築に必要な
デザインパターンがここにある!

【本書の背景】
Pythonを用いた機械学習のモデル開発事例は多数ありますが、
そのモデルをビジネスやシステムに組み込み、運用する事例や方法論は多くありません。
そのため、AIを組み込んだ実装モデルをまとめた、
「機械学習システムのデザインパターン」に注目が集まっています。

【対象読者】
・AIエンジニア
・システムエンジニア
・機械学習を本番システムとして使うための開発、運用方法で悩んでいるエンジニアの方

【本書の概要】
本書は機械学習を有効活用するためにはシステムに組み込むための設計や
実装が必要と考え、機械学習システムのデザインパターンを集めて解説した書籍です。
機械学習システムのグランドデザインおよびPythonによる機械学習システムの実装例を説明しつつ、
機械学習を本番活用するための方法論や、運用、改善ノウハウについて解説します。
本書で扱うプラットフォームには、コードの再現実行を担保するため、
DockerとKubernetesを活用します。
機械学習の学習から評価、QAを行い、推論器をリリースして
運用するまでの一連の流れをアーキテクチャやコードとともに解説します。

【デザインパターンのサンプル】
本書で解説している実際のサンプルコードをGitHubからダウンロードして利用可能です。

【本書のゴール】
・機械学習を実用化する方法が学べる
・Pythonによる機械学習ワークフローおよびWebアプリケーション開発の概要を学べる
・機械学習を組み込んだシステムの運用ノウハウを得られる
・機械学習システムのトラブルシューティングや調査方法を学べる

【著者プロフィール】
澁井 雄介(しぶい・ゆうすけ)
株式会社ティアフォー所属。
MLOpsエンジニア、インフラエンジニア、ARエンジニア、ネコ2匹の飼い主。家に猫用ハンモックが4台ある。
本業で自動運転のためのMLOps基盤をKubernetesで開発しつつ、趣味でARとEdge AIを組み合わせて遊んでいる。
過去にはSIer、外資ソフトウェアベンダー、スタートアップで新規プロダクトの起ち上げ、大規模システム運用、チームマネジメントに従事。
前職メルカリにて機械学習をシステムに組み込むデザインパターンを執筆、公開。
・GitHubで「mercari/ml-system-design-pattern」と検索


機会学習システム構築に必要なデザインパターンがここにある!

本書は機械学習を有効活用するためにはシステムに組み込むための設計や実装が必要と考え、機械学習システムのデザインパターンを集めて解説した書籍です。機械学習システムのグランドデザインおよびPythonによる機械学習システムの実装例を説明しつつ、機械学習を本番活用するための方法論や、運用、改善ノウハウについて解説します。

本書で扱うプラットフォームには、コードの再現実行を担保するため、DockerとKubernetesを活用します。機械学習の学習から評価、QAを行い、推論器をリリースして運用するまでの一連の流れをアーキテクチャやコードとともに解説します。

本書で紹介するデザインパターン(掲載順)
本書の内容
機械学習システムの概要を解説

機械学習システムの概要を解説

機械学習のシステムにはプロダクトそのものだけでなく、機械学習を運営維持するためのシステムもあります。そこで最初の章で、機械学習のためのシステムについて概要を解説しています。

様々なデザインパターンを紹介

様々なデザインパターンを紹介

本書では、アンチパターンも含め、32パターンに及ぶデザインパターンを紹介しています。図も交えてわかりやすく解説しています。

サンプルコードも準備

サンプルコードも準備

本書ではデザインパターンのサンプルを用意しています。紙面では、一部省略などした形で紹介。実際のコードは本書のダウンロードサイト(GitHub)で確認できます。

■Part 1 機械学習とMLOps

CHAPTER 1 機械学習システムとは
1.1 機械学習、MLOps、システム
1.2 ユーザに使ってもらえる機械学習を目指して
1.3 機械学習システムに必要なもの
1.4 機械学習システムをパターン化する
1.5 本書の構成

■Part 2 機械学習システムを作る

CHAPTER 2 モデルを作る
2.1 モデルの作成
2.2 アンチパターン―Only meパターン―
2.3 プロジェクトとモデルとバージョニング
2.4 パイプライン学習パターン
2.5 バッチ学習パターン
2.6 アンチパターン―複雑パイプラインパターン―

CHAPTER 3 モデルをリリースする
3.1 学習環境と推論環境
3.2 アンチパターン―バージョン不一致パターン―
3.3 モデルの配布と推論器の稼働
3.4 モデルインイメージパターン
3.5 モデルロードパターン
3.6 モデルの配布とスケールアウト

CHAPTER 4 推論システムを作る
4.1 なぜシステムを作るのか
4.2 Webシングルパターン
4.3 同期推論パターン
4.4 非同期推論パターン
4.5 バッチ推論パターン
4.6 前処理・推論パターン
4.7 直列マイクロサービスパターン
4.8 並列マイクロサービスパターン
4.9 時間差推論パターン
4.10 推論キャッシュパターン
4.11 データキャッシュパターン
4.12 推論器テンプレートパターン
4.13 Edge AIパターン
4.14 アンチパターン―オンラインビッグサイズパターン― 
4.15 アンチパターン―オールインワンパターン―

■Part 3 品質・運用・管理

CHAPTER 5 機械学習システムを運用する
5.1 機械学習の運用
5.2 推論ログパターン
5.3 推論監視パターン
5.4 アンチパターン―ログなしパターン―
5.5 アンチパターン―そして誰もいなくなったパターン―

CHAPTER 6 機械学習システムの品質を維持する
6.1 機械学習システムの品質と運用
6.2 機械学習システムの正常性評価指標
6.3 負荷テストパターン
6.4 推論サーキットブレーカーパターン
6.5 シャドウA/Bテストパターン
6.6 オンラインA/Bテストパターン
6.7 パラメータベース推論パターン
6.8 条件分岐推論パターン
6.9 アンチパターン―オフラインのみパターン―

CHAPTER 7 End-to-EndなMLOpsシステムの設計
7.1 課題と手法
7.2 需要予測システムの例
7.3 コンテンツ投稿サービスの例
7.4 まとめ

付属データはこちら

会員特典はこちら

書籍への問い合わせ

正誤表、追加情報をご確認の上、こちらよりお問い合わせください

書影の利用許諾について

本書籍に関する利用許諾申請はこちらになります

追加情報はありません。

ご購入いただいた書籍の種類を選択してください。

書籍の刷数を選択してください。

刷数は奥付(書籍の最終ページ)に記載されています。

現在表示されている正誤表の対象書籍

書籍の種類:

書籍の刷数:

本書に誤りまたは不十分な記述がありました。下記のとおり訂正し、お詫び申し上げます。

対象の書籍は正誤表がありません。

最終更新日:2021年11月10日
発生刷 ページ数 書籍改訂刷 電子書籍訂正 内容 登録日
1刷 350
下から7行目
# 全リクエストへのレスオインスが同じ結果になっています。
# 全リクエストへのレスポンスが同じ結果になっています。
2021.11.10
1刷 384
リスト上から19行目(cat.jpgをiris.jpgに訂正)
2刷
# アヤメ画像を植物分類推論器にリクエスト $ (echo \
    -n '{"image_data": "'; base64 cat.jpg; echo '"}' \
# アヤメ画像を植物分類推論器にリクエスト $ (echo \
    -n '{"image_data": "'; base64 iris.jpg; echo '"}' \
2021.05.28
1刷 ix
下から7行目
付属データおよび会員特典データの著作権は、著者および株式会社翔泳社が所有しています。個人で使用する以外に利用することはできません。許可なくネットワークを通じて配布を行うこともできません。個人的に使用する場合は、ソースコードの改変や流用は自由です。商用利用に関しては、株式会社翔泳社へご一報ください。
会員特典データの著作権は、著者および株式会社翔泳社が所有しています。個人で使用する以外に利用することはできません。許可なくネットワークを通じて配布を行うこともできません。個人的に使用する場合は、ソースコードの改変や流用は自由です。商用利用に関しては、株式会社翔泳社へご一報ください。
2021.11.02
1刷 viii
下から8行目
付属データに関する権利は著者および株式会社翔泳社が所有しています。許可なく配布したり、Webサイトに転載したりすることはできません。
付属データは、MITライセンスで提供しています。MITライセンスに従い、利用することができます。ただし、複製したすべてのソフトウェアの重要な部分に、著作権表示および許諾表示を記載する必要があります。また、著者および出版社は、ソフトウェアに関して何ら責任を負いません。
2021.11.02