本記事は5分程度でお読みいただけます。
各フェーズについて簡単に以下の通り説明します。
はじめに
人工知能の技術はますます一般的に利用可能になっており、多くの企業が手元に溜め込んだデータを元に機械学習を活用し、社内の業務効率化や事業の改革に活用しようと目論んでいます。 今回は、機械学習プロジェクトを進める大まかなステップとステップにおける課題、解決策をご紹介したいと思います。機械学習プロジェクトの一般的な進め方
機械学習を活用したアプリケーション開発のプロジェクトを進める上で進め方については、『いちばんやさしい機械学習プロジェクトの教本』に非常にわかりやすく説明されていますが、一般的には、「企画構想」「PoC」「実装」「運用」の大きく4つのフェーズに分けることができます。各フェーズ毎にアジャイルに繰り返し仮説・検証のサイクルを回していくことになります。
各フェーズについて簡単に以下の通り説明します。
●企画構想フェーズ
ビジネスゴールを見据えてどのような品質の人工知能エンジンが必要かなどについて、総合的に検討をしていきます。また、どのようなアプローチでビジネスゴールを実現していくかを明確にしていきます。●PoCフェーズ
企画構想フェーズで考えたアプローチ方法をベースに、技術的な検証を中心に行っていきます。ここではデータの収集（企画構想の段階から早めにはじめられるようであればはじめておければ良い）をし、そのデータを元に技術検証を行います。●実装フェーズ
PoCフェーズでビジネスゴールを満たす（少なくとも現実路線のレベル感）ことが分かってきたら、機械学習のモデル開発に進みます。ここでは、機械学習モデルの開発を中心とし、モデルの出力を繋ぐAPIなどのバックエンド部分の開発やWebアプリケーションなどのフロントエンドの開発も行います。また、最終的にはクラウドにデプロイするため、クラウド上でのアーキテクチャも設計/開発します。●運用フェーズ
最終的には、企画構想フェーズで設定したビジネスバリューが実現できているかをしっかりとモニタリングし、さらには開発した機械学習モデルのチューニングを行います。MLOpsという考え方があるように、継続的に機械学習のモデルをチューニングしていくパイプラインの設計なども重要になります。また、サービスが安定稼働するようにサービスのインフラ運用の設計を行うことも重要です。機械学習プロジェクトを進める上でのポイント
上記のようなプロジェクトの進め方で重要なのは、企画構想フェーズです。理想的なビジョンを追い求めてしまったり、明確なビジョンを持たずにプロジェクトを進めてしまうと、次のフェーズ以降で行き詰まってしまい、PoC止まりのプロジェクトになってしまう危険性をはらむことになります。 ある程度現実路線のレベル感のビジネスゴールを設定しておくことや、PoCフェーズで適切に専門家の知見を活用することで、早いタイミングで方向を修正しながら進めることも可能です。解決策
TC3では、企画構想フェーズから機械学習プロジェクトのエキスパートが伴走型でご支援させていただいています。 構想フェーズでは、上述したように「現実路線レベル」のゴール感も含めてお客様と対話形式で決めていきます。その後、PoCフェーズでは、TC3の機械学習エキスパートとTopcoderの専門家が技術検証を行い、週次・隔週で結果報告をいたします。 PoCフェーズまでで検証がうまくいけば、そこで開発された機械学習エンジンをもとにアプリケーションへの組み込みを行うか、さらに精度の良い機械学習エンジンをTopcoderコンテストで入手することも可能です。
詳細のご紹介資料はこちら
詳細は以下のフォームからダウンロード可能です。
