これで完了です。モデルは、本番環境 ML パイプラインにデプロイする準備ができています。このセクションでは、ML パイプラインのテスト ガイドラインを紹介します。ただし、サンドボックス環境ではこのようなデモは行えないため、このセクションではこれらのガイドラインを示しません。
学習内容:
- リリースと本番環境に適したテストを作成する。
- テストを使用して ML パイプラインの障害モードを検出する。
- 本番環境でのモデル品質の評価
ML パイプラインとは
図に示すように、ML パイプラインは複数のコンポーネントで構成されています。これらのコンポーネントについては、後ほど説明します。ここでは、「モデル」(ブラック ボックス)は本番環境 ML に必要なパイプライン インフラストラクチャのほんの一部です。
ML パイプラインでのテストの役割
ソフトウェア開発では、テスト ドリブンな開発(TDD)に従うのが理想的なワークフローです。しかし、ML ではテストから始めるのは簡単なことではありません。テストは、データ、モデル、問題によって異なります。たとえば、モデルをトレーニングする前に、損失を検証するテストを作成することはできません。代わりに、モデルの開発中に達成可能な損失を見つけ、達成可能な損失に対して新しいモデル バージョンをテストします。
以下のテストが必要です。
- 入力データを検証する。
- 特徴量エンジニアリングの検証。
- 新しいモデル バージョンの品質を検証する。
- サービス提供インフラストラクチャを検証する。
- パイプライン コンポーネント間の統合をテストしています。