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
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
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/k_ryuichirou/status/1629027276749938691?s=12&t=Il5yeGoS8-IOUUe6Ppuc6Q
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
Keigo Hattori on Twitter: "サンプルコードも載っていて、良いチュートリアル記事。 https://t.co/7XHl82P9sI"
Towards Data Science on Twitter: "Complete Machine Learning pipeline for NLP tasks by Ivan Senilov https://t.co/U7LICKbRuk"
piqcy on Twitter: "Seldonはあまり使っている人を見たことがないが、かなりいいライブラリではないか・・・とみている。 https://t.co/ULaJc09bX7"
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)。"
Odashi on Twitter: "MLのモデルを非同期サービスとしたい場合に、ミニバッチを作るためにキューイングが必要という普通のサービスとは若干異なる方向からの要望が発生するけど、ミニバッチの構成はデータを眺めてやらないと非効率な処理を生成する可能性があり、ただ横流しするだけのキューでは実現が難しい"
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"
piqcy on Twitter: "タイトな締め切りで来る複数の案件をさばくためのMLOps基盤の開発資料。プロセス定義、実行方式の標準化を実施している。設定ファイルのみで学習・推論を可能にし、gokartを使用したパイプライン定義によりコードレベルの再利用性、キャ… https://t.co/zUdJWv4bt7"
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"