事例でわかるＭＬＯｐｓ　機械学習の成果をスケールさせる処方箋

出版社からのコメント

★機械学習の実利用で、本当にビジネスの価値を生み出すには？★技術・プロセス・文化の３面から学ぶ、「ＭＬＯｐｓ」はじめての実践ガイドが登場！機械学習システムをビジネスに導入し、運用していく中での悩みによく効くノウハウが満載です。企業が事業で機械学習の成果をスケールさせるためのさまざまな取り組みをＭＬＯｐｓといいます。本書はそのＭＬＯｐｓを解説する書籍です。第１部ではＭＬＯｐｓの全体像、そしてそれを実現する技術・プロセス・文化を紹介します。機械学習をビジネスに導入し、運用していくための基礎知識がわかりやすく学べます。第２部では、第１部に対応したプラクティスを９つの組織から提供してもらいました。【おもな内容】第１部　ＭＬＯｐｓの背景と全体像１章　ＭＬＯｐｓ　とは１１　ＭＬＯｐｓの背景１２　本書でのＭＬＯｐｓの全体像２章　ＭＬＯｐｓ　を実現する技術２１　機械学習パイプライン２２　推論システム２３　技術選定２４　機械学習の実行環境とアクセラレーター２５　機械学習システムのモニタリング２６　データの品質管理２７コードの品質管理３章　ＭＬＯｐｓ　を支えるプロセス・文化３１　機械学習システムの開発フローとＰｏＣ３２　素早い実験を繰り返す３３　多様な利害関係者との協業３４　ビジネスの意思決定に役立つモニタリング３５　ＭＬＯｐｓ　のプロセスを支える文化第２部　ＭＬＯｐｓの実践事例と処方箋４章　ＤｅＮＡにおける機械学習プロジェクトの進め方（株式会社ディー・エヌ・エー　玉木竜二　藤原秀平）５章　少人数で迅速に実現する　コンテンツレコメンドにおけるＭＬＯｐｓ（株式会社ＣＡＭ　原和希）６章　顧客ごとに複数機械学習モデルを出し分ける学習と推論のアーキテクチャ（澁井雄介）７章　機械学習パイプライン構築事例から見る技術選定（安立健人）８章　事故を減らすための機械学習モデル適用の工夫（株式会社ディー・エヌ・エー〈ＧＯ株式会社出向〉　松井健一）９章　機械学習プロジェクトの失敗確率　８０％　を克服するプラクティス（アマゾン　ウェブ　サービス　ジャパン合同会社　久保隆宏）１０章　ＭＬ　Ｔｅｓｔ　Ｓｃｏｒｅ　を用いた機械学習システムの定量的なアセスメント（柏木正隆）他…