Rackspace Technology、Model Factory Framework搭載のMLOps Foundationsで機械学習の本番運用を加速

機械学習（ML）モデルを活用してデータの予測力を最大限に引き出すことは、企業にとってますます重要になっています。しかし、実にMLモデルの60％は本番環境に到達できていないのが現状です。その主な原因は、俊敏性の高いテクノロジー環境で効果的に運用するために必要となる「人材」「プロセス」「プラットフォーム」の変化への配慮が不十分なことにあります。

Rackspace TechnologyのModel Factory Frameworkを基盤とする新しいML Operations Foundations（MLOps）ソリューションなら、MLモデルを本番環境へ効率的に移行するための技術的な専門知識をすべて社内に備えていなくても、データ環境の革新を進めることができます。

オープンソース技術による柔軟なMLOps基盤

Rackspace Technologyは、オープンソースツールを活用してModel Factory Frameworkを構築しており、モデルの迅速な開発、トレーニング、スコアリング、デプロイメントを実現します。さらに、このフレームワークを中心としたカスタマイズにより、お客様固有のワークフローやビジネスニーズに合わせたMLOpsソリューションの調整が可能です。

Rackspaceはクラウドの革新的な機能を最大限に活用し、顧客の新たな収益源の創出、業務効率の向上、優れた顧客体験の提供を支援します。データ移行、データエンジニアリング、データサイエンス、ML、運用にわたる幅広い専門知識と業界のベストプラクティスを備えたRackspaceのチームが、お客様のデータをイノベーションの原動力へと変換します。

MLOps Foundationsの主な機能とメリット

1. 標準化されたモデル開発環境

データサイエンスチームとエンジニアリングチームが、あらゆるMLフレームワークをサポートしながらモデルを開発できる、統一された開発環境を提供します。

2. 開発・QA・本番環境間の自動デプロイ

ハイパースケールクラウドの自動化を活用し、モデルを開発段階からデプロイメントまで迅速に移行。同時に、高可用性、拡張性、信頼性、コスト管理といった本番環境に求められる要件にも対応します。

3. モデルと予測の完全な再現性

異なる環境へデプロイする際にモデルのバージョンやハイパーパラメータを追跡することで、開発環境でのモデルパフォーマンスが本番環境でも正確に再現されることを保証します。

4. 診断・パフォーマンス監視・モデルドリフト対応ツール

データサイエンスチームがモデルドリフトへの対応、デバッグやトラブルシューティングのためのパフォーマンス確認、パイプライン管理を行うためのツール一式を提供します。

5. ガバナンスと規制コンプライアンスのための説明可能性

モデル、データ、パラメータを追跡・記録することで、適切なプロトコルに従って運用していたことを監査担当者に対して明確に示せます。

6. チームコラボレーションプラットフォーム

DevOpsのツールとプロセスをMLワークフローと統合。チームは密接に連携しながら複雑なモデルやパイプラインを開発し、バージョン、注釈、履歴を管理しつつ、各開発段階から本番環境までのモデルの進行を一元的に管理できます。

7. ROIの加速

従量課金制のクラウドベースMLライフサイクル管理ソリューションによって、モデルの本番稼働までの期間を短縮し、投資対効果を最大化。コンピュートリソースの監視と最適化に役立つツールやサービスも含まれています。

まとめ：25ステップ以上のライフサイクルを10ステップ以下へ

MLOpsの導入により、Rackspaceは通常25ステップ以上かかるMLライフサイクルを10ステップ以下に削減できます。この圧倒的な効率化によって、モデルをこれまでよりもはるかに短期間で本番環境へ投入することが可能になります。

Model Factory Frameworkは、データサイエンス向けのCI/CD（継続的インテグレーション／継続的デリバリー）と、開発・QA・本番環境向けの自動化ワークフローを通じて、多数のMLモデルの開発と本番運用をサポートします。Rackspaceのエキスパートが、関連するベストプラクティスを実装しながら、お客様の特定のワークフローとビジネスニーズに合わせてサービスをカスタマイズいたします。

ご意見やご質問がある場合は、フィードバックタブからお気軽にお寄せください。私たちとの対話を始めることもできます。