Trey Research Inc. は、製造業向けに革新的なソリューションを提供しています。彼らは、自動化から新たな機会を生み出す最先端のアプローチの提供まで、メーカーの問題を特定し、解決することを専門としています。Trey Research 社は、データサイエンスとアプリケーション開発に何十年も特化してきました。彼らは、2つのユニットを1つにまとめることで、より大きな長期的な価値を解き放ち、イノベーションを運用するための標準化されたプロセスに従いたいと考えています。
この最初の概念実証（PoC）では、Trey Research Inc. は、ディープラーニング技術と自然言語処理（NLP）技術を活用して、車両の部品の説明をスキャンして、新しい規制へのコンプライアンスの問題点を見つけようとしています。部品の記述はウェブアプリケーションで管理されており、Web アプリケーションは記述を取り込み、訓練されたモデルを使用して部品を適合または非適合としてラベル付けする。この PoC の一環として、同社は、作成した全体的なプロセスで、基礎となる機械学習モデルと Web アプリケーションの両方を1つの統一されたパイプラインで更新できるようにしたいと考えています。また、デプロイ後にモデルのパフォーマンスを監視できるようにして、パフォーマンスの問題に積極的に対応できるようにしたいと考えています。
2020年6月
- データサイエンティスト
- アプリ開発者
- AI エンジニア
- DevOps エンジニア
このワークショップでは、Trey Research 社がディープラーニング技術を活用して、車両仕様書をスキャンして新しい規制のコンプライアンス問題を見つけ出し、Web アプリケーションで分類を管理する方法を学びます。モデルの作成からアプリケーションのパッケージング、モデルのデプロイ、アプリケーションのデプロイまでのプロセス全体が、1つの統一された繰り返し可能なパイプラインとして行われる必要があります。
このワークショップの最後には、モデルに依存するすべてのアプリケーションコンポーネントを含めて、ディープラーニングモデルを完全に運用するエンドツーエンドソリューションを設計・実装できるようになります。
このホワイトボードデザインセッションでは、グループに分かれて、Trey Research 社がアプリケーションとディープラーニングモデルのアップデートを統合的な方法でオーケストレーションし、展開するためのプロセスをデザインします。Trey Research 社がディープラーニング技術を活用して、車両の仕様書をスキャンして、新しい規制へのコンプライアンスの問題を見つける方法を学びます。モデルフォーマットを ONNX に標準化し、これにより推論実行時のコードが簡素化され、さまざまなモデルのプラグインが可能になり、幅広い実行時環境をターゲットにすることが可能になり、最も重要なことは、ネイティブモデルよりも推論速度が向上することを観察します。モデルレジストリから最新のベストモデルを取得し、Web アプリケーションをパッケージングし、Web アプリケーションをデプロイし、推論 Web サービスを調整するための DevOps パイプラインを設計します。また、デプロイ後にモデルのパフォーマンスを監視する方法を学び、Trey Research 社がパフォーマンスの問題に積極的に対応できるようにします。
このホワイトボードデザインセッションの最後には、モデルに依存するすべてのアプリケーションコンポーネントを含めて、ディープラーニングモデルを完全に運用するエンドツーエンドソリューションを設計できるようになります。
このハンズオンラボでは、Trey Research 社がディープラーニング技術を活用して車両仕様書をスキャンし、新しい規制へのコンプライアンス問題を見つける方法を学びます。モデルフォーマットを ONNX に標準化し、これにより推論実行時のコードが簡素化され、さまざまなモデルのプラグインが可能になり、幅広い実行時環境をターゲットにすることが可能になり、最も重要なことは、ネイティブモデルよりも推論速度が向上することを観察します。モデルレジストリから最新のベストモデルを取得し、Web アプリケーションをパッケージングし、Web アプリケーションをデプロイし、推論 Web サービスを調整するための DevOps パイプラインを構築します。最初のデプロイが成功した後、モデル、Web アプリケーション、Web アプリケーションの両方に更新を行い、更新されたデプロイを達成するためにパイプラインを一度実行します。また、デプロイ後にモデルのパフォーマンスを監視する方法も学習しますので、Trey Research 社はパフォーマンスの問題に積極的に対応できます。
このハンズオンラボの最後には、モデルに依存するすべてのアプリケーションコンポーネントを含む、ディープラーニングモデルを完全に運用するエンドツーエンドのソリューションを実装できるようになります。
- Azure Container Instances
- Azure DevOps
- Azure Kubernetes Service
- Azure Machine Learning Service
- ML Ops
- ONNX
MCW を提供する Microsoft SME およびラーニングパートナーからのフィードバックとコメントを歓迎します。
問題が起きた場合
- 最初に、書面によるすべてのラボの指示（Before the Hands-on lab ドキュメントを含む）に従っていることを確認します。
- 次に、問題の詳細な説明とともに問題を送信します。
- プルリクエストを送信しないでください。コンテンツ作成者はすべての変更を行い、プルリクエストを送信して承認を得ます。
ワークショップを予定している場合は、早めに資料を確認してテストしてください！ 少なくとも2週間前にお勧めします。
問題の確認と解決には 5〜10 営業日かかります。