本番環境での実装・運用
本番環境での実装・運用
学習済モデルの開発が終わり、いざ本番環境での実装・運用を行う場合に考えなくてはならないことがあります。
まず必要なことがモニタリングです。本番環境では実世界のデータを用いて予測を行うため、学習時とは異なる挙動になることが多々あります。これを速やかに発見、対処を行うために精度の監視といった作業を行う必要があります。また、運用していく中で実際に得られたデータを用いてモデルを再学習することもあり得ます。外部環境が変化した場合も説明変数の追加やモデルの再学習が必要です。実装チームと運用チームが同じである場合は問題はないのですが、異なるメンバーである場合はソースコードの意図が理解しづらいことも考えられるため、開発の時点で理解しやすいコードの記述、チーム間の説明等を徹底する必要があります。

クイズ
モデルを本番環境で運用する際の説明として最も適切な選択肢を一つ選べ。
人工知能基礎講座を提供中
人工知能の第一人者である東京大学の松尾豊教授が監修した人工知能基礎講座を受講してみませんか?
人工知能の歴史から自然言語処理、機械学習、深層学習といった最先端のトピックやAIに関わる法律問題まで網羅しているので全てのビジネスパーソン・AIの初学者におすすめです。
サンプル動画
AI初学者・ビジネスパーソン向けのG検定対策講座
zero to oneの「E資格」向け認定プログラム
日本ディープラーニング協会の実施するE資格の受験ならzero to oneの「E資格」向け認定プログラム (税込165,000円) をおすすめします。当講座は、東京大学大学院工学系研究科の松尾豊教授と東北大学大学院情報科学研究科の岡谷貴之教授が監修する実践的なプログラムとなっています。
厚生労働省の教育訓練給付制度対象のE資格認定プログラムの中では最安値※となり、実質負担額49,500円~(支給割合70%の場合)で受講可能です。※2023年弊社調べ

関連ワード
ディープラーニングの社会実装に向けて
AIと社会
AIプロジェクトの進め方
- MLOps
- CRISP-DM
- BPR
- クラウド
- Web API
- データサイエンティスト
- プライバシー・バイ・デザイン
- AI プロジェクトの進め方
- AI プロジェクト進行の全体像
- AI を運用した場合のプロセスの再設計
- AI を運営すべきかの検討
- AI システムの提供方法
- 開発計画の策定
- プロジェクト体制の構築
データの収集
- 個人情報保護法
- オープンデータセット
- 個別の契約
- 著作権法
- 不正競争防止法
- 特許法
- 他企業や他業種との連携
- データの網羅性
- サンプリング・バイアス
- 転移学習
- 産学連携
- オープン・イノベーション
- AI・データの利用に関する契約ガイドライン
- データの収集方法および利用条件の確認
- 法令に基づくデータ利用条件
- データセットの偏りによる注意
- 学習可能なデータの収集
- 外部の役割と責任を明確にした連携
データの加工・分析・学習
- アノテーション
- 匿名加工情報
- ELSI
- カメラ画像利活用ガイドブック
- ライブラリ
- Docker
- Python
- 説明可能AI(XAI)
- Jupyter Notebook
- FAT
- フィルター バブル
- PoC
- データの加工
- プライバシーの配慮
- 開発・学習環境の準備
- アルゴリズムの設計・調整
- アセスメントによる次フェーズ以降の実施の可否検討
実装・運用・評価
- 著作物
- データベースの著作物
- 営業秘密
- オープンデータに関する適用除外
- 限定利用データ
- 個人情報
- 秘密管理
- GDPR
- 十分性認定
- 敵対的な攻撃(Adversarial attacks)
- ディープフェイク
- フェイクニュー ス
- アルゴリズムバイアス
- ステークホルダーのニーズ
- 運用の改善やシステムの改修
- 本番環境での実装・運用
- 成果物を知的財産として守る
- 利用者・データ保持者の保護
- 悪用へのセキュリティ対策
- 予期しない振る舞いへの対処
- インセンティブの設計と多様な人の巻き込み
クライシス・マネジメント
