持続的に運用可能な機械学習システムを、作って学ぼう！ 本書は、サービスに活用できる機械学習システムを構築する方法を説明する書籍です。 機械学習をサービスで活用するとき、機械学習モデル自体ではなく、運用上・管理上の問題に直面することは数多くあります。どれだけ優れた機械学習モデルを構築できたとしても、それをサービスに活かすためのシステムがなければ運用できません。 2010年代後半に登場した「MLOps」という言葉は、Machine LearningとOperationsを組み合わせた造語で、機械学習システムを運用するための技術を指すものです。登場当時は言葉の定義が曖昧で、標準的とよべるしくみはありませんでした。しかし近年は、クラウドベンダー各社が機械学習システムを扱うためのサービスやノウハウを公開してくれているため、作りやすく整備しやすいシステムのかたちが整ってきています。 そこで本書では、ゼロから機械学習システムを構築することで、MLOpsで一般的に取り扱われる概念を、手を動かしながら学んでいきます。学習パイプラインや推論サービスを構築するだけでなく、システム監視やデータエンジニアリングなど、サービス活用のために必要とされる一歩進んだ内容にまで踏み込んで実装を行います。具体的には、広告クリック率をリアルタイムで予測する機械学習システムをAWS上にデプロイします。 本書の演習では、得られる知識が特定のベンダーやサービスに依存しないよう、Jupyter NotebookやAWSなどのメジャーかつ汎用性の高いサービスのみを利用します。また、読者が自分でシステムを構築するときの参考となるよう、各章で解説する内容について、著者のチームでの実例紹介をコラムとして各所に盛り込みます。 はじめに／目次 1章　MLOps概要 2章　環境構築 3章　モデル作成 4章　機械学習パイプライン 5章　実験基盤 6章　バージョン管理 7章　CI・CD 8章　推論サービス 9章　継続的学習 10章　監視 索引