本講座は、
はじめて機械学習システムのデザインパターンを学ぶ方向けの入門講座です。

全３回を予定しており、今回は１回目の内容です。

機械学習を使ったシステム開発は、
一般的なシステム開発と異なり、
MLシステム特有の設計や実装が必要です。

機械学習アルゴリズム・モデルの構築は、
機械学習システム開発の一部分に過ぎず、
機械学習システム開発全般の設計について理解する必要があります。

先人たちが試行錯誤して得られた有益な設計パターンとして整理し、
機械学習システムのデザインパターンとして解説した講座です。

機械学習システムの全体像と、
機械学習システムデザインパターンの事例を説明しつつ、
機械学習を本番システム運用するための方法論、運用、改善ノウハウについて解説します。

機械学習システムのデザインパターンについて学びたい機械学習エンジニアや、データサイエンティストにおすすめです。

なお、機械学習の基本やシステム開発の基本については、割愛させていただきます。

※今回の講座は、
下記の機械学習デザインパターン書籍を要約し、
重要なポイントを解説した講座です。

Machine Learning Design Patterns 
by Valliappa Lakshmanan, Sara Robinson, Michael Munn
Released October 2020, Publisher(s): O'Reilly Media, Inc., ISBN: 9781098115784

動画解説では、各パターンの問題提起・解決手法の概要
について解説し、スライド資料では、補足的な事例紹介
や、用語解説を記載しています。
本書では、具体的な実装例が記載されておりますので、
もしご興味ございましたら、以下をご参照ください。
https://github.com/GoogleCloudPlatform/ml-design-patterns


※本講座では、
当日参加できなかった方向けに、
事前収録Youtube動画を１週間視聴提供しております。
また、
当日参加できた方も、ぜひ復習にご利用いただけます。

受付：15:55〜16:00
講義：16:00〜17:30

※本講座では、
当日参加できなかった方向けに、事前収録Youtube動画を１週間視聴可能になります。
当日参加できた方も、ぜひ復習にご利用ください。

第一回の内容（今回）

- 機械学習デザインパターンの概要

- 各デザインパターンごとの解説
・データ表現パターン（Data Representation）と個別パターンの解説
#1 Hashed Feature
#2 Embedding
#3 Feature Cross
#4 Multimodal Input

・問題表現パターン（Problem Representation）と個別パターンの解説
#5 Reframing
#6 Multilabel
#7 Ensemble
#8 Cascade
#9 Neutral Class
#10 Rebalancing


以下は、次回以降の内容予定

第二回
・モデル訓練パターン（Model Training）と個別パターンの解説
#11 Useful overfitting
#12 Checkpoints
#13 Transfer Learning
#14 Distribution Strategy
#15 Hyperparameter Tuning

・レジリエントサービングパターン（Resilient Serving）と個別パターンの解説
#16 Stateless Serving Function
#17 Batch Serving
#18 Continuous Model Evaluation
#19 Two Phase Predictions
#20 Keyed Predictions


第三回
・再現性パターン（Reproducibility）と個別パターンの解説
#21 Transform
#22 Repeatable Sampling
#23 Bridged Schema
#24 Windowed Inference
#25 Workflow Pipeline
#26 Feature Store
#27 Model Versioning


・責任のあるAIパターン（Responsible AI）と個別パターンの解説
#28 Heuristic benchmark
#29 Explainable Predictions
#30 Fairness Lens



※詳細は一部変更となる可能性があります。

オンライン(Zoom)

※本講座では、
当日参加できなかった方向けに、事前収録Youtube動画を１週間視聴可能になります。
当日参加できた方も、ぜひ復習にご利用ください。

当日アクセスいただくZoom URLや、当日の資料配布は、
以下slack参加者のみ、限定チャンネルにてご案内致します。

・機械学習エンジニアで、機械学習システムデザインパターンの全体像と詳細を把握したい方
・データサイエンティストで、機械学習システムデザインパターンの全体像と詳細を把握したい方

・パソコン
・Googleアカウント
・Slackアカウント
・Chromeブラウザ
・Zoomソフトウェア（はじめて使う方はダウンロードが必要です）

※本講座では、
当日参加できなかった方向けに、事前収録Youtube動画を１週間視聴可能になります。
当日参加できた方も、ぜひ復習にご利用ください。

阪大大学院数学専攻卒。大阪府出身。
C、C++、Java、Perl、PHP、Ruby、Python、R、bash を操る公共系インフラエンジニア、フロントエンジニア
を経て、医療系クラウドサービスを展開。医療系システムコンサルタント等を経てAIベンチャーにて
データサイエンティストとして従事。
大手から中小まで数多くのシステム開発プロジェクトで開発統括、プロマネを経験。
基盤設計、統計学、機械学習、深層学習、組織論、リーダーシップ論、心理学、事業戦略論等をテーマに、
社内外で講師の経験多数。

前払いの領収書につきまして、PayPalもしくはconnpassで自動発行される領収書をご利用ください。
当日払い又は別途領収書をご希望の場合は、発行手数料は2,000円(税込)となります。ご了承ください。