結論

機械学習が研究分野から応用分野へと移行するにつれ、さまざまな業界で ML パイプラインの開発、デプロイ、運用が年間 25% の成長を遂げています。ML のビジネス価値は、日常的な ML 運用とパイプラインを通じて実現され、ひいては ML モデルとアルゴリズムの研究開発を促進します。とはいえ、ML を本番環境に導入すると、データ管理、処理、分析、モデリング、検証、セキュリティなど、さまざまなアクティビティやアーティファクトが非常に絡み合うため、多くの課題が伴います。データサイエンスチームは、AWS カスタマーとの数多くの AI/ML の取り組みを通じて、さまざまな ML DevOps アクティビティやアーティファクトを最適に融合または分離するためのテンプレートセットを提供するエンドツーエンドのワークフローがないことが重要な課題であることに気づきました。このガイドでは、この差し迫った問題に対処するための「ML Max ワークフロー」を紹介しました。ML Max は、ステップバイステップのガイドラインとプログラミングテンプレートのセットを提供します。目標は、インタラクティブなモデル開発段階から、生産準備が整った完全でスケーラブルな ML パイプライン構成への迅速かつ費用対効果の高い移行を可能にすることです。