機械学習エンジニアリング

機械学習プロジェクトを実施する際のエンジニアリング面や機械学習の応用についてまとめました。ビジネス上の課題を機械学習を使用して解決したい場合に適切なアドバイスを得ることができます。

機械学習システム構築のためのベストプラクティス＆デザインパターン

機械学習は人工知能の同義語となり多くの人に広く知れ渡っていますが、その可能性を十分に活かしている企業は世界でも一握りにすぎません。最新のオープンソースライブラリ、パッケージが提供され、コミュニティは充実していますが、実用的なビジネス上の課題解決に機械学習をどう適用させるかで、多くの企業が四苦八苦しています。
人材不足もその要因の一つではありますが、優秀な機械学習エンジニアやデータアナリストを確保したとしても、1つのモデルを導入するまでにそれなりの期間が必要になってしまうことも起きています。

機械学習モデルのバージョン管理、再現性、スケーリングなど、企業が機械学習の機能を開発する際に直面する主な課題は、サイエンス的な面よりもむしろエンジニアリング的なものですが、一般的なデータサイエンス系の教科書では、機械学習プロジェクトを実施する際のエンジニアリング的な面についてあまり触れていません。

本書はデータの収集、保存、前処理、特徴量エンジニアリング、モデルのテストとデバッグ、本番環境へのデプロイと撤退、ランタイムと本番環境へのデプロイ後のメンテナンスなどに光をあて、解説していきます。
機械学習の応用、ビジネス上の課題を機械学習を使用して解決したい場合に適切なアドバイスを得ることができます。


対象読者として、機械学習の基本を理解し自身でモデルを構築することができるレベルを想定しています。
・機械学習エンジニアリングの仕事に取り組むデータアナリスト
・仕事をもっと構造化したいと考えている機械学習エンジニア
・機械学習エンジニアが提供するモデルを扱うことになるソフトウェアアーキテクト


第1章 はじめに
第2章 プロジェクトを始める前に
第3章 データの収集と準備
第4章 特徴量エンジニアリング
第5章 教師ありモデルの訓練 (第1部)
第6章 教師ありモデルの訓練（第2部)
第7章 モデルの評価
第8章 モデルの導入
第9章 モデルの推論、監視、メンテナンス
第10章 まとめ

目次

第１章　はじめに
第２章　プロジェクトを始める前に
第３章　データの収集と準備
第４章　特徴量エンジニアリング
第５章　教師ありモデルの訓練（第１部）
第６章　教師ありモデルの訓練（第２部）
第７章　モデルの評価
第８章　モデルの導入
第９章　モデルの推論、監視、メンテナンス
第１０章　まとめ

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。