データを使う側のことがわからないといけないかもなと思ったので、読んでみようと積んであったので。
目次は以下。
1章 機械学習デザインパターンの必要性
2章 データ表現のパターン
3章 問題表現のパターン
4章 モデル訓練のパターン
5章 対応性のある運用のパターン
6章 再現性のパターン
7章 責任あるAI のパターン
8章 パターンのつながり
30 のデザインパターン名は以下。
サブタイトルにMLOps の実践上の問題と解決とあったので気になっていたのだが、メインは機械学習で繰り返し登場する課題を分類し、それぞれについてのベストプラクティスが解説されていた。
それぞれのデザインパターンの紹介の中には「問題」、「解決」、「トレードオフと代替案」が各パターンに書かれている。デザインパターンが使える問題が紹介され、それぞれの解決方法、またトレードオフについての説明がされている。
機械学習を普段使って仕事をする人が読むとわかりやすかったのだと思う。
僕は機械学習を動かすシステムを動かしたかったほうなので読者層とは少しズレていたのだろうなと思う。しかし、モデルについてのレビューなどもすることがあるので知識として知っておかないといけないことなのだろうと思う。
もう少し基本的なことを勉強してから再度読んでみたいな。
まとめ
- 知識をもっと持ってから読んだほうが良いな
- 8章が一番自分的には面白かった
- 具体的な動きを試してみるのがまずは良さそう
