はじめに
- MLOpsの導入・改善を頼まれたときに、初手でヒアリングすることの簡単なチェックリストです
ヒアリング事項
前提条件
(現時点/これから)
- ☑︎プロジェクト(モデル)の種類
- 需要予測 / 類似画像検索, etc
- ☑︎データの種類
- テーブルデータ / 画像 / テキスト, etc
- ☑︎利用者数(DS, SWE, SRE)
- ☑︎環境(オンプレ/クラウド)は何か
- ☑︎プログラミング言語
- Python / 推論部分はGo, etc
- ☑︎フレームワーク
- Tensorflow / PyTorch, etc
- ☑︎その他、ツール
- GitHub, etc
スコープ
(現時点/これから)
基本的にはGoogleのこれの通りのステップで導入を進めて行けば良いと思っています。
レベル0: 手動プロセス
- ☑︎データ基盤(収集, 蓄積, 加工)
- ☑︎ラベリング
- ☑︎データ分析環境
- ☑︎実験管理
- ☑︎学習基盤
- ☑︎モデルレジストリ
- ☑︎サービング
レベル1: ML パイプラインの自動化
- ☑︎MLパイプライン
- ☑︎メタデータ管理
- ☑︎CD(MLパイプライン, サービング)
- ☑︎特徴量ストア
レベル2: CI / CD パイプラインの自動化
- ☑︎CI
- ☑︎モニタリング(精度含む)
その他
- ☑︎背景・課題
- ☑︎作業内容と役割分担
- ☑︎想定アウトプット
- ☑︎スケジュール
- ☑︎体制