TOPSoftware > 機械学習ライフサイクル管理のプラットフォーム(上)

Software

機械学習ライフサイクル管理のプラットフォーム(上)

2020/10/12

Martin Heller InfoWorld

機械学習ライフサイクルマネジメントの主なプロダクト

 ここからは、機械学習ライフサイクルを管理するクラウドプラットフォームやフレームワークとして、「Algorithmia」「Amazon SageMaker」「Azure Machine Learning」「Domino Data Lab」「Google Cloud AI Platform」「HPE Ezmeral ML Ops」「Metaflow」「MLflow」「Paperspace」「Seldon」を見ていく。

Algorithmia

 米Algorithmiaは、機械学習モデルのデプロイ、管理、スケーリングに対応したソリューションを展開している。選択するプランに応じて、パブリッククラウド、仮想プライベートクラウド、オンプレミスで稼働する。モデルはAlgorithmiaのGitリポジトリかGitHubに保持できる。モデルのバージョン管理は自動で行われ、パイプラインも実装可能。CPU/GPUを活用したオンデマンド(サーバーレス)でのモデルのスケーリングにも対応している。作成したモデルのホスティングに加え、検索可能なモデルのライブラリもある。今のところ、モデルのトレーニングへの対応はあまり豊富ではない。

Amazon SageMaker

 Amazon SageMakerは、米Amazon Web Services(AWS)のサービスの1つで、機械学習モデルの構築、トレーニング、デプロイに利用できるフルマネージドの環境を提供している。SageMaker Studioの統合環境でJupyterノートブックを使って作業を進められるほか、SageMaker Experimentsによる実験の管理、SageMaker Debuggerによるモデルのデバッグ、SageMaker Autopilotによるモデルの自動作成、バッチ変換、SageMaker Model Monitorによるモデルの監視、Elastic Inferenceによる推論の効率化などに対応している。

Azure Machine Learning

 米MicrosoftのAzure Machine Learningは、機械学習モデルのトレーニング、デプロイ、自動化、管理、トラッキングのための環境を、クラウドベースで提供している。従来の機械学習、ディープラーニング、教師あり学習、教師なし学習と、あらゆる種類の機械学習に利用できる。

 PythonやR言語で作成するコードのほか、ドラッグ&ドロップのビジュアルデザイナーを使ったモデル開発や、AutoMLに対応している。Azure Machine Learningのワークスペースを使って、精度の高いモデルの構築、トレーニング、トラッキングを行える。

 Azure Machine Learningは、PyTorch、TensorFlow、Scikit-learn、Gitなど、主要なオープンソースツールと連携するほか、MLflowを使った機械学習ライフサイクル管理にも対応している。また、Azure Machine Learning自体にもMLOps機能がある。

翻訳:内山卓則=ニューズフロント

↑ページ先頭へ