機械学習によるアプリケーション構築 事例を通じて学ぶ、設計から本番稼働までのプロセス

機械学習は翻訳、推薦システム、異常および不正検出など、さまざまなアプリケーションで利用されており、今後も機能強化のために、機械学習を組み入れるサービスはますます増えていくと考えられています。しかし機械学習はモデルの学習や評価など、これまでのアプリケーションにはない処理が必要となるだけでなく、正常に動作しているかを単純なテストだけでは検証できないなど、特別な配慮が必要となります。本書は機械学習を利用するアプリケーションを設計、構築、デプロイするために注意すべき点をまとめました。繰り返しによりデータやモデルを漸進的に改善する方法、モデル性能の監視やモデルのデバッグを行う方法など、アプリケーションを構築、運用する上で、その品質を左右する一連のプロセスを詳しく解説します。

目次 : 第１部　適切な機械学習アプローチの特定（製品目標からＭＬの枠組みへ/ 計画の作成）/ 第２部　機能するパイプラインの構築（最初のエンドツーエンドパイプライン構築/ 初期データセットの取得）/ 第３部　モデルの反復（モデルの学習と評価/ ＭＬ問題のデバッグ　ほか）/ 第４部　デプロイと監視（モデルデプロイ時の考慮点/ デプロイオプションの選択　ほか）/ 付録Ａ　コードの実行（日本語版補遺）

【著者紹介】
エマニュエル・アーマイゼ : 長年にわたり、データサイエンティストとして活躍。現在はＳｔｒｉｐｅ社の機械学習エンジニア。Ｉｎｓｉｇｈｔ　Ｄａｔａ　ＳｃｉｅｎｃｅのＡＩプログラム（米国の企業Ｉｎｓｉｇｈｔが提供している、博士課程修了者（データ分野に限らない）に対するデータサイエンス分野での短期（７週間）集中研修プログラムのこと）の責任者も務めた。また、Ｌｏｃａｌ　ＭｏｔｉｏｎとＺｉｐｃａｒの予測分析と機械学習ソリューションの実装とデプロイにかかわってきた。フランスのトップ３校で人工知能、コンピュータ工学、マネジメントの修士号を取得している

菊池彰 : 日本アイ・ビー・エム株式会社勤務（本データはこの書籍が刊行された当時に掲載されていたものです）