MLOpsを活用したAIモデル運用で、お客様のビジネスを支援します
AIモデルの開発や運用には多くの課題があります。例えば、PoC(概念検証)段階で使用したGPU搭載マシンでは問題が発生しなかったが、展開(デプロイ)先となるエッジPC上では期待した速度が出ない。また、複数のエッジPCに対するAIモデルの展開に大きなコストがかかる。時間経過に伴ってAIの精度が低下し始めたが再学習が難しい、といった課題が指摘されています。
これらの課題を解決し、機械学習モデルをビジネスに適用するには「MLOps」に基づいた学習基盤の構築が有効です。Sky株式会社は、AIモデル開発の効率化と継続的なモデルデプロイを実現することで、持続可能なAIモデル運用システムを実現します。
AIモデルの開発や運用のなかで、こんなお困り事はありませんか?

複数のエッジPCに対するデプロイが煩雑になり、余計なコストがかかる
エッジPC上で動作させると、AIモデルが期待した速度で処理できない
データやパラメータのトレーサビリティが担保されていないため学習を再現できない
蓄積データに合わせたAIの再学習が自動化できておらず手間がかかる
AIが期待どおり動作しているかを監視したいが、出力と正解データの蓄積がなく評価できない
作り上げたAIモデルを現場で活用し続けるには、 継続デリバリーを実現し、モデルをアップデートする仕組みが不可欠です!
Sky株式会社は、お客様のニーズに合わせてデータの収集から学習基盤の構築、 モデルデプロイまでの一連のソリューションを提供します。
活用している技術
- Kubernetes + Kubeflow
- KFP(Kubeflow Pipelines SDK)
- MLflow Tracking
- Amazon SageMaker Studio
- Amazon SageMaker Processing
- AWS IoT Analytics
- AWS IoT Greengrass
- Azure Machine Learning
- Azure DevOps
- Jenkins