MLFlowでMLエクスペリメントを追跡¶
エクスペリメントは、機械学習開発者の日常業務において必須の業務です。 時系列プロジェクトの場合、最適なモデルを実現するためにチューニングするパラメーターと設定の数自体が膨大な検索スペースになります。
時系列のユースケースのエクスペリメントの多くは、一般的で繰り返し可能です。 これらのエクスペリメントの追跡と結果のログ記録は、合理化を必要とする作業です。 手作業によるエラーと時間制限により最適でないモデルが選択され、より良いモデルがグローバルな最小値で失われる可能性があります。
DataRobot API、Papermill、MLFlowの連携により、機械学習の自動化のエクスペリメントが自動化され、より簡単で堅牢、共有が容易になります。
以下に説明するように、 オーケストレーションノートブックを使用して エクスペリメントノートブックを設計および実行します。パラメーターのPermutationはDataRobotによって自動的に処理されます。 エクスペリメントの最後に、エクスペリメントノートブックのコピーが使用可能になり、コラボレーションとリファレンスのために各Permutationが出力されます。

アクセラレーターの 依存関係を確認できます。
このアクセラレーターでは、以下のアクティビティをカバーします。
- トレーニングデータセットの取得。
- 新しいDataRobotプロジェクトの構築。
- 推奨モデルをデプロイ。
- DataRobotのエクスポート可能なJavaスコアリングコードを使用したSparkを介したスコアリング。
- DataRobotの予測APIによるスコアリング。
- DataRobotのMLOpsエージェントフレームワークに監視データをレポート。
- 新しいテーブルに結果を書き戻し。
更新しました 2025年3月12日
このページは役に立ちましたか?
ありがとうございます。どのような点が役に立ちましたか?
より良いコンテンツを提供するには、どうすればよいでしょうか?
アンケートにご協力いただき、ありがとうございました。