話したネタ
- MLOpsとは何か?
- MLOpsの定義
- MLのおけるモデルとは何か?
- MLOpsで解決する課題とは?
- CACE / Changing Anything Changes Everything
- 学習に使ったデータ管理の難しさ
- メタ情報だけのバージョン管理というプラクティス
- MLに必要なパイプラインを回すのは大変
- ML Superhero、MLからインフラ構築まですべて担う人
- Stockmark社におけるMLOpsに取り組む前のアーキテクチャとは?
- BERTを使ったMLバッチ処理実サービスのアーキテクチャとMLOpsの取り組み
- MLOps取り組み前のアーキテクチャの課題とは?
- 温かみのある手動Opsの自動化
- AWS CodeBuildの権限周りの楽さ
- ワークフローが見えにくい課題をワークフローエンジンで解決する
- AWS Step Functions と AWS Batch の活用
- 今後のMLOpsの野望
- モデルのパフォーマンスを決める上流データバリデーション
- 学習のパイプラインの整理、その目指すべきところは?
- 汎用言語モデルをGoogle TPUでの開発
- MLOpsにどのような気持ちで望んでいるか?
- ペインをどうやって発見しているか?
- 推測するな、計測せよ
- 電笑戦 ~ AIは人を笑わせられるのか 第 2 回 電笑戦の背景と挑戦者
- Stockmark Tech Blog
- エンジニア募集中
39:07
コメント
スクロール