MLOps実装ガイド
本番運用を見据えた開発戦略
Yaron Haviv, Noah Gift, 井伊 篤彦(翻訳), 入江 美穂(翻訳), 張 凡(翻訳), 樋口 千洋(翻訳)オライリー・ジャパン396ページISBN 9784814401208
機械学習タグで同率13位(87冊中)。Zenn・Qiitaなどの2記事で紹介(時点)。
- 紹介記事
- 2件
- 媒体別
- Zenn 1・企業テックブログ 1
- 初めての紹介
- 最新の紹介
この本を選ぶ前に
- 出版年
- (約1年前)
- タグ内の順位
- 機械学習タグで同率13位(87冊中・紹介記事数の順)
紹介している記事(2件)
記事ごとの説明は、記事本文のうちこの本に触れた部分をAIが要約したもので、筆者の原文ではありません。
- ワンキャリアエンジニアに聞いた。新卒エンジニアに進めたい!オライリーで学びになった書籍紹介 Part2 企業テックブログ · ワンキャリア ·
申さんの2冊目。モデルが価値を生み続けるにはMLOpsが不可欠で、Notebookで作って丸投げは避け、本番での自動化や再学習を最初から見据えてパイプラインを作るべきだと学んだという。学習時と運用時のデータ処理のズレを防ぐ特徴量ストアや、劣化したモデルを検知して再学習する仕組みも解説されている。
- 2025年9月版読んでいて良かった本紹介 Zenn · Akasan · · いいね 3
MLOps関連の書籍が新たに出版されたため購入したが、記事執筆時点ではまだ読んでいないと述べている。直近、MLOpsを構築する案件を多数扱っていることから、業務に関わる新しい情報に加え、すでに知っている内容でも改めて認識すべき点が含まれているのではないかと考え、今月読む予定にしている。
この本について
本書は、企業で機械学習モデルを本番運用するためのMLOpsを、プロジェクトの立ち上げから継続運用まで説明する。ビジネス目標やROIの検討、プロトタイプから本番環境への拡張を経て、データの収集・準備・ラベル付け、特徴量ストア、モデルの開発・訓練・評価、デプロイ、監視、再訓練へと進む。データのバージョン管理やリネージ、分散処理、バッチ・ストリーム処理、実験追跡、ハイパーパラメータ調整、ML向けCI/CDも扱う。クラウド、オンプレミス、ハイブリッド環境を取り上げ、SageMaker、MLflow、MLRunなどを使った構成例や、パイプラインの拡張、ガバナンス、運用上の課題を解説する。各段階の説明に加え、プロジェクト例、議論用の質問、演習問題を含む。
出版社の内容紹介・目次と紹介記事をもとにAIが要約したものです。原文の転載ではありません。
目次(主な章)
出典: 出版社の書籍ページ (章の見出しのみ)
- 1章 MLOpsとは何か、そしてなぜ必要なのか
- 2章 MLOpsの段階
- 3章 はじめてのMLOpsプロジェクトへの取り組み
- 4章 データと特徴量ストアの操作
- 5章 本番環境モデルの開発
- 6章 モデルとAIアプリケーションのデプロイメント
- 7章 本番環境レベルのMLOpsプロジェクトをゼロから構築する
- 8章 スケーラブルな深層学習の構築と大規模言語モデルプロジェクト
- 9章 高度なデータ型のためのソリューション
- 10章 Rustを使用したMLOpsの実装
- 付録A 採用面接での質問
- 付録B エンタープライズMLOpsのインタビュー