クライアントのビジネス課題解決のため、機械学習エンジニアが開発したAIモデルを円滑に本番環境へ届け、その価値を最大化し続けるための「機械学習基盤」と「MLOpsパイプライン」の設計、構築、運用をリードしていただきます。
単にインフラを構築するだけでなく、「データが生まれてから、AIモデルとして価値を発揮し続けるまで」の一連の流れを自動化・効率化する仕組みを創り上げることがミッションです。
①データ基盤の整備(ETLパイプライン)
ビジネスデータを蓄積するためのデータレイクやDWHを準備します。
データが溜まったら、機械学習エンジニアが利用しやすい形に情報を加工・整理するETLパイプラインを構築します。
②AI開発環境と機械学習パイプラインの構築
加工されたデータを容易に呼び出せる、Jupyter Notebookなどの開発環境を準備します。
モデルの学習・評価を自動化する「機械学習パイプライン」を構築します。
③モデル配信と運用(デプロイメントパイプライン)
開発されたAIモデルを、システム開発エンジニアが作るアプリケーションに簡単に組み込めるよう、API化して配信する「デプロイメントパイプライン」を構築します。
モデルの精度を自動でモニタリングし、精度が低下した際に再学習を促す仕組みを構築します。
上記の仕組み全体をテンプレート化し、様々なプロジェクトで再利用できるようにすることで、会社全体のAI開発の生産性向上を担っていただきたいです。
また、モデルの再現性や公平性を担保するモデルガバナンスの実現も重要な役割です。
OSSやクラウドのマネージドサービスなど既存のミドルウェアを最適に組み合わせ、「どうすれば価値を最大化できるか」を考えるアーキテクトとしての役割も期待しています。
●業務の変更範囲:なし