先日読了。
良い取り組みで参考になる本。まだまだ抽象度の高い説明が薄く、各論説明になっている感じではある。
- 学習。データ分析・取得〜モデル選定とパラメータ整理〜前処理〜学習〜評価〜ビルド〜システム評価。パイブライン学習パターン、バッチ学習パターン。
- リリース方法。学習環境と推論環境では目的とコストが異なる。モデルインイメージパターン、モデルロードパターン。
- 推論フロー。Webシングルパターン、同期推論パターン、非同期推論パターン、バッチ推論パターン、前処理・推論パターン、直列マイクロサービスパターン、並列マイクロサービスパターン、時間差推論パターン、推論キャッシュパターン、データキャッシュパターン、推論器テンプレートパターン、Edge AIパターン。
- 運用。機械学習の推論結果や推論速度が劣化していくことを防止する。推論ログパターン、推論監視パターン。
- 品質維持。機械学習（データセット、推論結果）の正常性とソフトウェアの正常性を維持する。負荷テストパターン、推論サーキットブレーカーパターン、シャドウA/Bテストパターン、オンラインA/Bテストパターン、パラメータベース推論パターン、条件分岐推論パターン。
