エンジニアからDeclarative MLを使ったMLエンジニアになろう

'Become an ML engineer using Declarative ML, starting from being an engineer.'

スポンサード記事

すべての企業がAI企業になり、エンジニアは彼らの組織がこの移行を行うのを支援する最前線にいます。製品を強化するために、エンジニアリングチームはますます製品ロードマップや月次OKRに機械学習を組み込むよう求められるようになっています。これは、個人の経験や不正検出システムの実装から、最近は大規模な言語モデルによって支えられた自然言語インターフェースまで何でもあります。

エンジニアリングチームのAIジレンマ

MLの約束とロードマップアイテムの増加にもかかわらず、ほとんどの製品エンジニアリングチームは、AIアプリケーションを構築する際にいくつかの主要な課題に直面しています。

1. カスタムMLモデルを迅速に開発するための十分なデータサイエンスリソースの不足
2. 既存の低レベルMLフレームワークは、採用するのにあまりにも複雑すぎるため、新しい機械学習に取り組む人にとって、分類タスクのためにTensorFlowコードを数百行書くことは容易ではありません。
3. 分散MLパイプラインのトレーニングには、インフラストラクチャの深い知識が必要であり、モデルのトレーニングと展開に数か月かかる場合があります。

その結果、エンジニアリングチームは、AIイニシアチブの障害に直面し続けています。 Q1の目的はQ2になり、最終的にQ3でリリースされます。

• Essential MLOps：無料の電子書籍
• MLOpsを拡張するためのプレイブック
• AIの10年間のレビュー

Declarative MLによるエンジニアのブロック解除

Uber、Apple、Metaで最初に先駆けて開発された新しい世代の宣言型機械学習ツールは、エンジニアリングチーム（およびML興味を持っているすべての人）にAIをアクセス可能にすることを目的としています。宣言型MLシステムは、Kubernetesがインフラストラクチャの管理を革命化したのと同様に、エンジニアリングのベストプラクティスに根ざした構成駆動型アプローチにより、モデルの構築とカスタマイズを簡素化します。

低レベルのMLコードを数百行書く代わりに、YAMLファイルでモデルの入力（特徴）と出力（予測したい値）を指定するだけで、フレームワークが推奨され、簡単にカスタマイズできるMLパイプラインを提供します。これらの機能により、開発者は実用的なアプリケーションのために強力な製品グレードのAIシステムを数分で構築できます。 Uberで最初に開発されたLudwigは、Gitで9,000以上のスターを獲得した最も人気のあるオープンソースの宣言型MLフレームワークです。

宣言型MLで簡単にAIアプリケーションを構築する

次回のウェビナーとライブデモに参加して、オープンソースのLudwigとPredibaseの無料トライアルを使用して、宣言型MLを始める方法を学んでください。このセッションでは、以下のことを学びます。

• UberのオープンソースLudwigを含む宣言型MLシステムについて
• MLモデルとLLMを15行以下のYAMLで構築およびカスタマイズする方法
• LudwigとPredibaseを使用して、ボット検出のためのマルチモーダルモデルを迅速にトレーニング、イテレーション、展開する方法、無料トライアルにアクセスする方法について

場所を保存する

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!