こんにちは。2024年9月にDataikuに入社してから5ヶ月経ち、AI分析やMLの分野においてもインプットが増えてきたので、アウトプットも始めていこうと思います。(ブログ投稿自体、かなり久しぶりです)
Dataikuでは、ブログやソーシャルでアウトプットしていくことを推奨してもらっているので、これを機にQiitaだけではなくMediumも再開しようかなあ、と思っています。
本日は、標題の通りMLOpsについて語りたいと思います。
そもそもMLOpsとはなんぞや、という点ですが、DevOpsを機械学習システムに当てはめた考え方です。
私は現在Dataikuにおいてカスタマーサクセスの責務を持っており、MLを含めたAIを活用してビジネスへの貢献をミッションとしています。その中で、MLOpsはカスタマーサクセスの立場でも非常に重要と考えております。
いうまでもなく、AIやMLツールは導入や構築が目的ではなく、活用してROIを向上していく、ビジネスで役立つ状態を継続的に作っていくことがゴールです。
その観点において、MLOpsは重要であり、Dataikuのは以下のような機能を網羅しております。
1.機械学習モデルを構築するためのデータの統合、データの正規化をスムーズに行うことができる
2.ビジネスユーザやデータサイエンティスト、コーダー及びノンコーダーがコラボレーションし、一元化されたプラットフォームでモデルの構築ができる
3. モデルの評価や比較が簡単に行える
4. 構築したモデルを、ダウンタイムを最小限にしつつ、本番環境にデプロイできる
5. デプロイ後、モデルの精度をトラッキングでき、再学習をかけられる
6. バージョン管理やロールバックも容易
7. 再学習したモデルを再度デプロイし、上記のサイクルを回すことができる
つまり、MLモデルを作って、評価して、デプロイして、モニタリングして、再学習をかけていく、という一連のサイクルが自動化され、効率化されていくという機能です。
もしMLOpsがないと、構築したモデル分、メンテナンス工数が莫大にかかります。
具体的なイメージについてはDataikuのSEがデモを含めた動画を公開しています。
とてもわかりやすいです。モデル比較/評価編もあります。
繰り返しになりますが、MLモデルは定期的なチューニングが不可欠なので、MLOpsは継続的にROIを向上させるためには非常に重要と考えています。
イギリス本社のオンラインファッション販売企業であるMandM Direct社では、CLTVを分析し、マーケティングの最適化と個別化を実現するために Dataiku を活用し、収益向上やコスト削減を達成しました。このプロセスにおいて、MLOpsを活用し数百のモデルを運用しています。
*引用： MandM - Using Customer Lifetime Value Scores to Understand Inherent Future Value and Deliver Persona
また、アメリカの大手HDDメーカーであるWestern Digital は Dataiku の NLP および MLOps を活用し、電子メール分類とウェーハテストを自動化し、毎月100時間を節約、製品品質と業務効率を向上させました。
*引用： Western Digital: Smarter Email Categorization and Quality Control
今回ご紹介した事例はいずれも海外のものですが、国内でも機械学習が業務に欠かせないものになっていくにつれて、MLOpsの重要性は高まっていくものと思います。
実際に、MLOpsはDataikuユーザ様から関心いただいている内容であり、すでに実装しているお客様も多くいらっしゃいます。
機械学習を活用し、継続的なビジネスの活用を進めていきたい方は、ぜひDataikuをご検討いただければと思います。