MLOpsはmachine-learning operationsの略で、大規模な生産環境における機械学習の品質向上、管理プロセスの簡素化、展開の自動化を実現するための一連のプラクティスで構成されています。
人工知能や機械学習に投資する企業が増える中、機械学習モデルを開発するデータサイエンスチームと、そのモデルを動かすアプリケーションを運用するDevOpsチームの間には理解のギャップがあります。実際、現在のところ、活動全体を網羅するようにAIを導入している企業はわずか15%です。また、デプロイメント、モニタリング、管理、ガバナンスなどの問題により、本番環境にある機械学習モデルの75%が一度も使用されていないという事実もあります。最終的には、モデルに取り組んでいるエンジニアやデータサイエンティストの時間が大幅に無駄になり、企業が投資した資金の純損失が大きくなり、会社の成長に役立つMLモデルに対する信頼が全体的に欠如していることにつながります。
当社のモデル・パフォーマンス・モニタリングは、データサイエンティストやMLOPの実務者に、本番環境でのモデルの動作や有効性を監視することで、機械学習アプリケーションのパフォーマンスに関するこれまでにない可視性を提供します。また、DevOpsチームとの連携を強化し、開発、テスト、運用監視の継続的なプロセスを実現します。
New Relic のアカウントをお持ちでない方は 数秒でサインアップ...永久に無料です!
機械学習モデルのモニタリング方法
適用されたインテリジェンス内でMLOpsを使用するには、いくつかの異なるオプションがあります。
パートナーシップ: ニューレリックは、特定のユースケースやMLモニタリング機能を提供する7つの異なるMLOpsベンダーとパートナーシップを結んでいます。パートナーは、精選されたパフォーマンス・ダッシュボードやその他のオブザーバビリティ・ツールへのアクセスを得るための優れた手段であり、モデルを即座に可視化するためのすぐに使えるダッシュボードを提供しています。
現在、私たちはパートナーとして活動しています。
Integrations: New RelicはAmazon SageMakerとも提携しており、パフォーマンスメトリクスのビューを提供し、MLエンジニアやデータサイエンスチームのオブザーバビリティへのアクセスを拡大しています。Amazon SageMakerを使用すると、AI/ML、DevOps、サイト信頼性エンジニア(SRE)の間のサイロを打破することで、本番環境でのMLモデルの開発、テスト、監視が容易になります。 Amazon SageMakerの統合についての詳細を読む.
独自のデータを持ち込む(BYO):別のライセンスにサインアップしたくない場合、またはAmazon SageMakerを使用していない場合は、独自のMLモデルテレメトリをNew Relicに簡単に持ち込み、MLから価値を得ることができます。モデルデータ。わずか数分で、特徴分布、統計データ、および予測分布を取得できます。 BYOの詳細については、ドキュメントをご覧ください。
これらのオプションのいずれかを使用して機械学習モデルのパフォーマンスを数分で測定するには、MLOps統合のクイックスタートを確認し、 Machine learning ops をクリックしてください。