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See Privacy Policy at https://art19.com/privacy and California Privacy Notice at https://art19.com/privacy#do-not-sell-my-info.