【機械学習】MLOpsとModelOps、それぞれ「何のために」「誰のために」使われるのか【AI】

1.はじめに

・機械学習に触れている過程でMLOpsとかModelOpsという単語が同じ意味で使われていたり、違いが分からなかったりしたので簡単にまとめてみます。

2.背景

・現在では多くのAIや機械学習のモデルが開発され、企業など様々なところに取り入れられ始めているが、その内の約半分は生産や運用がされていない(企業のビジネスに活かされていない)そうです。

・じゃあどうしたらいいのか、そもそもなんで約半分のモデルがダメになってるのか、それらを解決するためにMLOpsやModelOpsの意味や違いを正しく理解する必要があるんですね。

3.MLOpsとModelOpsの違い

3.1.MLOps(機械学習基盤)

AIモデルの開発を円滑に行えるようにすること

・例として、

Amazon Sagemaker

Domino Data Lab

DataRobot

などのプラットフォームがあります。

3.2.ModelOps

開発されたモデルが、適切に効率的に企業のビジネスに活かせるようにすること

・例として、

ModelOp Center

のプラットフォームがあります。

4.それぞれ「何のために」「誰のために」使われるのか

4.1.MLOps(機械学習基盤)

機械学習モデルの開発のために使われる

機械学習モデルの開発の過程

• ①：コーディング
• ②：コードのテスト
• ③：トレーニング
• ④：検証
• ⑤：再トレーニング

・これらの開発過程を円滑に行えるようにし、良い機械学習モデルができるようにします。

データサイエンティストのために使われる

データサイエンティストのやること

• 機械学習のモデル開発(上記のような過程)
• 機械学習モデルに対して、適切なデータセットの特定

・これらデータサイエンティストのやることを効率化するために使われます。

4.2.ModelOps

本番環境にある機械学習モデルに対して、最適な結果を出すために使われる

最適な結果を出すために行われる管理

• 本番環境にあるモデルのインベントリ作成
• 使われている機械学習モデルが企業のビジネスに対して信頼できる結果を出しているかの確認
• コンプライアンスの管理
• リスクの要件と管理

・このように本番環境のモデルのすべての側面の管理します。

CIO(情報統括役員)、ITオペレーターのために使われる

CIO(情報統括役員)、ITオペレーターのやること

• 本番環境にある機械学習モデルの保守、運用
• 企業のニーズを満たすModelOpsプラットフォーム(機械学習モデルを実際にビジネスに使う環境)の確立、実装

・これらCIO、ITオペレーターのやることを効率化するために使われます。

5.それぞれの価値

MLOpsもModelOpsも、どちらが欠けても企業にとっては損失となる

・ModelOpsだけでは機械学習モデルを開発できません。
・MLOpsだけでは企業の行なっているビジネスの中で、機械学習モデルを運用、保守することはできません。

両方揃って、企業全体のAI導入を加速させる

参考サイト