ML Ops Study #2 - connpass
申し込んだら当たったので参加した．皆さんみたいにちゃんとした機械学習や深層学習がしてみたかった．
機械学習プロジェクトを頑健にする施策: ワークフロー、仮想化、品質向上、知識移譲 etc
機械学習プロジェクトを頑健にする施策 ML Ops Study #2 // Speaker Deck
- 機械学習プロダクトは脆い．原因とその対策．
- 実験スクリプトが動かない
- 動かし方がわからない
- make や Luigi を使う
- 実行環境構築は docker でやる
- Home - Cookiecutter Docker Science
- 動かし方がわからない
- 実験スクリプトが理解できない，実験した人がいなくなる
- ソフトウェアエンジニアリングをちゃんとする
- ソフトウェアエンジニアが書いてリサーチャーがレビューする
- コードの整理は実験をした本人がやる
- この話，金融機関における数理モデル研究から実用化に至るノウハウなどが(もしあるのならば)参考になるのではないかと思った
- テストもちゃんと書く
- 実験スクリプトが動かない
質疑で「リサーチャーは Jupyter notebook が精一杯だったりする．リサーチャーがソフトウェアエンジニアの，ソフトウェアエンジニアがリサーチャーの素養がある程度ないと難しいのではないか」みたいな質問があり， Cookpad 社は両方素養がある人ばかりなのでコードレビューも問題無いという返答があった．Jupyter notebook ですらまともに使うことができない低レベルの人間なのでとても参考になった．
「Github や Qiita に公開されている機械学習系のコードは品質がひどくて動かない事が多い」という話で自分を除く皆さんが笑顔になっていた．
