翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
イメージ分類モデルのメンテナンスの自動化
イメージ分類モデルがデプロイされて使用可能になったら、ある程度のメンテナンスが必要になる場合があります。例えば、次のシナリオ例を考えてみます。
-
モデルは、収集時にワーカーを支援するためにトウモロコシカルティバを分類します。時間の経過とともに、トウモロコシのカルティバの外観は徐々に変化し、特定の時点で新しいカルティバが導入される可能性があります。
-
モデルは、駐車ガレージ内のスポットに駐車する車両のタイプを決定します。車両のモデル、メーカー、年をきめ細かく分類します。リリースされた新しいモデルについては、毎年更新する必要があります。
-
モデルは、さまざまなエンティティやトピックに関する感情を検出するために、ソーシャルメディアの投稿でトレーニングされます。モデルは、新しいトピック、エンティティ、イディオム、絵文字記号について最新の状態に保つ必要があります。
これらのすべてのシナリオで、モデルには定期的な再トレーニングが必要です。再トレーニングは、モデルのドリフト (入力データのプロパティが時間の経過とともに変化した）、またはモデルが変更されたタスクを処理するために必要な更新に基づいて必要です。での ML オペレーションパイプラインの作成は、いくつかの抽象化レベルで実行 AWS できます。最も柔軟で抽象的な方法は、 AWS Step Functions を使用してモデルメンテナンスのワークフローを作成することです。
ML オペレーションパイプラインの例については、MLOps End-to-End「Amazon SageMaker AI Pipeline の使用例 AWS CodePipeline」および AWS CDK
