機械学習の概要: 職種別・タスク別推奨リソース 25 選以上

※この投稿は米国時間 2022 年 6 月 9 日に、Google Cloud blog に投稿されたものの抄訳です。

Vertex AI の使用を開始するにはどうすればよいかわからないとお困りでしょうか？以下に Google Cloud のデータ サイエンス、機械学習、人工知能に関するスキルの習得とブラッシュアップに役立つリソースのリストを作成しました。

リソースは、データ アナリスト、データ サイエンティスト、ML エンジニア、ソフトウェア エンジニアがそれぞれ最も興味を持つと思われるものに分類しました。これらの職種に重複するものも多くありますので、たとえばデータ サイエンティストの方でも、ML エンジニアや開発者向けのリソースが役立つこともあります。

データ アナリスト

データから分析情報へ、そしておそらくはモデリングも含め、データ アナリストはステークホルダーがデータの価値を理解するための支援をする方法を模索しています。

データ探索と特徴量エンジニアリング

• [ガイド] Exploratory Data Analysis for Feature Selection in Machine Learning（機械学習における特徴選択のための探索的データ分析）

• [ドキュメント] Feature preprocessing in BigQuery（BigQuery における特徴の前処理）

データの可視化

• [ガイド] データポータルを使用して BigQuery データを可視化する

• [ブログ] BigQuery と Looker を使用してデータベースからダッシュボードに移行

データ サイエンティスト

データ サイエンティストは、データから分析情報を引き出すことに関心を持ち、主に広範な探索的データ分析、可視化、特徴量エンジニアリング、モデリングの技術を使用します。最初に読むものとしては、Google Cloud で機械学習を実装するためのベスト プラクティスをご覧ください。

モデル レジストリ

• [動画] AI/ML Notebooks how to with Apache Spark, BigQuery ML and  Vertex AI Model Registry（AI / ML ノートブック Apache Spark、BigQuery ML、Vertex AI のモデル レジストリと連携する方法）

モデルのトレーニング

• [Codelab] Vertex AI Workbench ノートブック エグゼキュータによるモデルのトレーニング

• [Codelab] 自動パッケージ化を使用して Vertex AI Training の Hugging face で BERT を微調整

• [ブログ] Vertex AI で PyTorch モデルのトレーニングと調整を行う方法

大規模なモデルのトレーニング

• [Codelab] TensorFlow を使用したマルチワーカーのトレーニングと転移学習

• [ブログ] Vertex AI の Reduction Server を使用してトレーニングのパフォーマンスを最適化する

• [動画] Distributed training on Vertex AI Workbench（Vertex AI Workbench の分散トレーニング）

モデルのチューニング

• [Codelab] ハイパーパラメータ調整

• [動画] Vertex AI でモデルのトレーニングと実験を高速化する

モデルの提供

• [ブログ] Vertex AI に PyTorch モデルをデプロイする方法

• [ブログ] 5 steps to go from a notebook to a deployed model（ノートブックからデプロイ済みモデルに移行する 5 つのステップ）

ML エンジニア

以下に ML エンジニア向けのリソースを示します。ML エンジニアの重点分野には MLOps、特徴管理の運用化、モデル サービングとモニタリング、ML パイプラインを使用した CI / CD があります。

特徴管理

• [ブログ] Vertex Feature Store で特徴量管理の MLOps はこう変わる

• [動画] Introduction to Vertex AI Feature Store（Vertex AI Feature Store の概要）

モデルのモニタリング

• [ブログ] Feature Attributions の監視：Google はいかに大規模な ML サービスの障害を乗り越えたのか

ML パイプライン

• [ブログ] Vertex AI Pipelines 上での PyTorch ML ワークフローのオーケストレーション

• [Codelab] Vertex Pipelines の概要

• [Codelab] パイプラインで Vertex ML Metadata を使用する

機械学習オペレーション

• [ガイド] MLOps: 機械学習における継続的デリバリーと自動化のパイプライン

ML アプリケーションを使用するソフトウェア エンジニア

アプリケーションで ML を使用するのに時間をかけ、データ ラングリングやモデルの構築、MLOps にはあまり関わっていないソフトウェア エンジニアに役立つリソースは以下のとおりです。

• [ブログ] あらゆるデータの瞬時アクセスを実現する Google のベクトル検索技術

• [ブログ] Vertex AI を使用した迅速なモデル プロトタイピングとデプロイ

• [動画] Machine Learning for developers in a hurry（開発者向けの機械学習を短時間で）

その他のリソース

詳細な情報が見つからない場合は、ぜひ Linkedin でお問い合わせください。

• Nikita Namjoshi

• Polong Lin

- デベロッパー アドボケイト Nikita Namjoshi

- デベロッパー アドボケイト Polong Lin