Tecton on Google Cloud のご紹介: ML 搭載アプリケーションの開発を加速

※この投稿は米国時間 2023 年 7 月 26 日に、Google Cloud blog に投稿されたものの抄訳です。

あらゆる ML アプリケーションにとって、データは不可欠です。より正確に予測するために、ML モデルは一般的に ML 特徴と呼ばれる高品質なデータシグナルにアクセスする必要があります。通常、こうした ML 特徴には、組織が利用できるすべての最新情報を取り込んだ、シグナルとして価値の高い調整済みデータという特性があります。

Tecton on Google Cloud は、高品質な ML 特徴を組織全体で構築、処理、管理、共有するための簡単かつ迅速な方法であり、ML アプリケーションを強化できます。Tecton と Google Cloud のパートナーシップにより、ML モデルの価値創出に要する時間の短縮、モデルのパフォーマンスと信頼性の最大化、および ML アプリケーションの費用の管理が可能になりました。

予測 ML アプリケーションは企業に広くデプロイされており、現代の現実世界でビジネスの価値を高めています。こうしたアプリケーションは多くの場合、数百あるいは数千もの ML 特徴を活用しています。ユースケースには、トランザクション時の不正行為の検出、顧客におすすめする次回購入品の提示、登録時における新規見込み客への個別の保険見積もりの提供などがあります。これらすべての事例において、ML 特徴の品質が高いほど、ビジネスの価値もより高まります。

昨今の本番環境 ML におけるデータ課題

現在、多くの組織にとって ML の価値創出に要する時間は非常に長く、一般的に ML モデルを本番環境にデプロイするのに数か月かかります。本番環境では、モデルの予測が誤っていることが多かったり、ダウンタイムが発生して SLA を達成できなかったりします。これらの課題は、組織が本番環境で ML モデルの数をスケーリングしようとするにつれて深刻化します。ML 特徴は、こうした問題の中核です。

ML チームは、本番環境の ML 特徴データ パイプラインの構築と管理に苦労しています。これらのパイプラインは、バッチの元データと、ストリーミングおよびリアルタイムのソースを処理して ML 特徴に変換する必要があります。さらに、こうした特徴を正確なトレーニングとサービングのために利用できるようにして、そのパフォーマンスを本番環境でモニタリングしなければなりません。また、柔軟なインフラストラクチャで費用対効果の高い方法によって運用しながら、厳しいパフォーマンスとスケーリングの要件を満たすことが求められます。さらに、監査、共有、スケールが可能な方法で、複数のモデルにわたって管理する必要があります。

Tecton on Google Cloud による ML チームのサポート

Google Cloud は、高度なデータ インフラストラクチャと業界をリードするサービスを提供して、ML 搭載アプリケーションの構築と運用をサポートしています。Tecton は、Google Cloud 上の複数の ＭL アプリケーションにわたって ML 特徴の構築、処理、共有、サービングを加速します。

Tecton は、本番環境レベルの ML 特徴の構築と管理に関与する手順を自動化する特徴プラットフォームです。その仕組みは次のとおりです。

• データチームは、Tecton の宣言型フレームワークを使用して、簡単に特徴をコードとして定義できる

• 内部で Tecton は ML 特徴の変換と実体化に必要な物理データ パイプラインをオーケストレートする

• 特徴は、リアルタイムでのサービングに使用する場合は低レイテンシのオンライン ストレージに保管され、トレーニング データセットの生成とオフラインでの推論に使用する場合はオフライン ストレージに保管される

• 本番環境では、Tecton は特徴のデータ品質と運用のサービスレベルをモニタリングする

Tecton は、低レイテンシで毎秒何十万ものクエリに対応する、エンタープライズ規模のセキュリティ要件を満たせるように設計されています。また、Tecton は SOC 2 Type II に準拠しており、GDPR への準拠にも対応しています。Tecton のハイブリッド SaaS デプロイでは、SaaS ソリューションのアジリティを享受しながら、データを継続的に管理できます。

Tecton on Google Cloud なら、容易に特徴の開発を反復処理し、最先端のモデルを構築し、そのモデルを本番環境に素早く確実に移行できます。Tecton で実現できる具体的なことは次のとおりです。

Tecton で ML アプリケーションの開発を加速

今では予測 ML は本番環境での多くのユースケースを強化するために広く使用されています。その使用例には不正行為、推奨事項、パーソナライズなどがあります。ML 特徴は、生成 AI と LLM アプリケーションとともに、LLM プロンプトへのユーザー入力を補完し、LLM にコンテキストを提供してより正確でパーソナライズされた出力を生成します。

Tecton on Google Cloud は、本番環境レベルの ML 特徴を構築するうえで優れた選択肢です。ML 特徴を一か所で管理できるハブとして、データチームが予測 ML アプリケーションおよび生成 ML アプリケーションを容易に強化できるようにします。

詳細については Tecton のブログ投稿をご覧ください。

^{このブログ投稿を共同で執筆してくれた Google Cloud のチームメンバー（Google Cloud のテクニカル アカウント マネージャー Banruo Yu、Google Cloud のプリンシパル アーキテクト Christian Williams、Google Cloud の Cloud カスタマー エンジニア Raj Goodrich、Google Cloud の Cloud カスタマー エンジニア Sridhar Kavikondala）に感謝します。}

- Tecton、CEO / 共同創業者 Mike Del Balso 氏
- Google Cloud、AI / ML パートナー エンジニアリング担当ディレクター Dr. Ali Arsanjani、PhD