機械学習デザインパターン

機械学習のベストプラクティスが学べるデザインパターン集!
タイトルに「デザインパターン」とあるように、機械学習で繰り返し登場する課題を 30 のパターン (データ表現、問題表現、モデルの訓練、再現性、柔軟性、接続性、説明性、公平性などに関するもの) に分類し、それぞれについてベストプラクティスを提示・解説します。手を動かしながら機械学習を試したい初心者の実践的な入門書としても、現場のデータサイエンティストのリファレンスとしても読んでもらえる内容となっています。アメリカ海洋気象庁の研究者として、さらに Google Cloud のデータ分析 & AI 部門トップとしての豊富な経験に基づく実用本位の一冊です。

『機械学習デザインパターン』 (Valliappa Lakshmanan、Sara Robinson、Michael Munn 著、鷲崎 弘宜ほか 訳、オライリー・ジャパン、2021 年 10 月刊) は、原書 Machine Learning Design Patterns の日本語版です。版元の紹介文には、機械学習で繰り返し登場する課題を 30 のパターンに分類し、それぞれについてベストプラクティスを提示 / 解説するデザインパターン集とあります。版元は、手を動かしながら機械学習を学びたい初心者と、現場のデータサイエンティストやエンジニアを対象に挙げています。版元の書籍ページでは、書名に「データ準備、モデル構築、MLOps の実践上の問題と解決」が添えられています。

全 8 章と 30 のデザインパターン

目次は、はじめにと 第 1 章「機械学習デザインパターンの必要性」で始まります。第 2 章「データ表現のパターン」がデザインパターン 1 から 4、第 3 章「問題表現のパターン」が 5 から 10、第 4 章「モデル訓練のパターン」が 11 から 15、第 5 章「対応性のある運用のパターン」が 16 から 20、第 6 章「再現性のパターン」が 21 から 27、第 7 章「責任ある AI のパターン」が 28 から 30 を収めます。最後の 第 8 章「パターンのつながり」は、パターンの一覧、パターン間の相互作用、機械学習プロジェクトにおけるパターンなどの節で構成され、巻末に索引があります。パターンには日本語の名と英語の名が併記され、デザインパターン 1 は特徴量ハッシュ (Hashed Feature)、デザインパターン 16 はステートレスサービング関数 (Stateless Serving Function)、デザインパターン 30 は公平性レンズ (Fairness Lens) です。

問題、解決、トレードオフと代替案の節

ソフトウェア設計の デザインパターン は、繰り返し現れる設計上の問題に名前を付け、解き方とその代償を一組にして記録する方法です。本書の各パターンの節も、目次の上で「問題」と「解決」の項から始まり、「トレードオフと代替案」の項を持ちます。デザインパターン 1 の特徴量ハッシュの節では、この 2 つの項の間に「うまくいく理由」の項が入ります。機械学習のモデルを本番で動かし続ける段階では、学習の時と推論の時で特徴量の作り方がずれる問題や、入力データの分布が時間とともに変わる問題が起きます。モデルの学習、配備、監視、再学習を一続きの仕組みとして回す MLOps は、こうした問題を扱う実践の体系です。目次には、BigQuery ML と TensorFlow での特徴量クロスの節や、Keras の訓練ループの節もあります。

2021 年 10 月刊と書誌の記録

国立国会図書館の書誌では、訳者は鷲崎 弘宜、竹内 広宜、名取 直毅、吉岡 信和の 4 名と記録されています。出版はオライリー・ジャパン、頒布はオーム社です。版元の紹介文には、すぐ動かせるコード例とデータセットを含むことと、著者の Google Cloud のデータ分析と AI 部門のトップとしての経験に基づく一冊であることが書かれています。機械学習の本の選び方は 機械学習 / ディープラーニング本ガイド にまとめています。

データ表現、問題表現、モデル訓練、運用、再現性、責任ある AI の分類による 30 のデザインパターンと、パターンのつながりの章を、全 8 章に収めています。