<<前へ 次へ>>

質問 22/49

ケーススタディ1 - ファブリカム社
背景
Fabrikam Inc.は、米国全土の地域病院システムに対し、人口健康ダッシュボードと予測分析を提供する中規模のヘルスケア分析企業です。
Fabrikam Inc.の顧客は、患者の流れ、人員配置のニーズ、再入院リスクを監視するために、ほぼリアルタイムの分析を活用しています。彼らは、予測のために複数の従来型の予測機械学習モデルを使用しています。
Fabrikam Inc.は既にMicrosoft Azureを基盤として運用しています。同社は、ローカルサーバー上で動作するJupyter Notebookを主要な開発環境として使用しています。しかし、データサイエンスチームは、現在の開発プラットフォームにおいて、スケーラビリティ、資産管理、コード管理に関する課題に直面しています。Fabrikam Inc.は、これらの課題を解消するため、クラウドベースの開発環境への移行を計画しています。
さらに、同社は顧客サポート向けに、検索拡張生成(RAG)ベースのチャットアプリケーションを導入する予定です。経営陣は、運用リスクを低く抑えながらアプリケーションを開発・展開することを求めています。
現在の環境
Fabrikam Inc.は、以下のコンポーネントを含む単一のAzureサブスクリプションを運用しています。
* 匿名化された臨床データセットおよび運用データセットを含むAzure Data Lake Storage Gen2
* Azure AI Search は、厳選された分析ドキュメントと参考資料をインデックス化します。
* データサイエンティストが管理する、Pythonベースの小規模なトレーニングスクリプト群
* 基盤となるモデルがデプロイされたAzure OpenAIサービス
* RAGベースのソリューションを構築するためのMicrosoft Foundryリソース
評価データには、手動で定義された期待される反応が含まれています。
データサイエンスチームが現在直面している課題は以下のとおりです。
* モデル学習ジョブは、ノートブックから手動で実行されます。
* 実験の追跡が不規則です
* モデルのバージョンは、標準化されたメタデータなしで登録されます。
* デプロイはデータサイエンティストが手動で行い、ロールバック機能は限定的です。
* チームには、生成型AIの出力に関する標準化された評価プロセスがありません。
現在の環境では、パブリックネットワークへのアクセスが許可されています。認証は、管理されたIDではなく、ユーザーアカウントに依存しています。計算ターゲットは手動で作成され、複数の実験で共有されています。このため、ピーク使用時にリソースの競合が発生しています。
ビジネス要件
Fabrikam Inc.は、近代化イニシアチブに関して以下のビジネス要件を掲げています。
内部文書やデータセットを使用して、分析に関する質問に答える対話型インターフェースを提供する。
* 機密性の高い医療関連データが、Fabrikam Inc.のAzureテナント外に公開されないようにしてください。
* 再現性と監査可能性を備えたモデルのトレーニングおよびデプロイプロセスを可能にする。
* プロンプト戦略と微調整されたモデルを比較するための実験を支援する。
* モデルをランク付けされた嗜好に合わせて調整し、長期的な行動を最適化する。
・導入期間中、既存の分析ワークロードへの影響を最小限に抑える。
技術要件
事業目標を支援するため、Fabrikam Inc.は以下の技術要件を特定しました。
* Azure Machine Learningワークスペースを使用して、データ資産、モデル、および環境を一元的に管理します。
* すべてのトレーニングジョブに対して、実験追跡とモデルのバージョン管理を実装する。
手動でノートブックを実行するのではなく、パイプラインを使用してトレーニングと評価をオーケストレーションします。
* 段階的なロールアウトとロールバックをサポートする、従来型の機械学習モデルをデプロイします。
* RAGベースのソリューション出力品質を向上させる。
* 入出力ペアを含む実データに基づいた既存の評価データセットを使用する。
* 迅速なエンジニアリングでは不十分な場合にのみ、高度な微調整技術を適用します。 課題と制約 Fabrikam Inc. は、ネットワーク アクセスを制限し、長期間秘密を保持することを避けることを要求する社内セキュリティ ポリシーを遵守する必要があります。データ サイエンス チームは Azure DevOps の経験が限られているため、ソリューションはカスタム インフラストラクチャよりもマネージド サービスと自動化を優先する必要があります。
コスト予測可能性は重要です。経営陣は可能な限りサーバーレスまたはマネージドコンピューティングオプションを好みますが、安定した本番ワークロードに対しては専用コンピューティングも承認する用意があります。
問題提起
Fabrikam Inc.は、生成型AIモデルの信頼性の高いトレーニング、評価、デプロイ、および反復を可能にするAzureベースのAI運用ソリューションを設計および実装する必要があります。このソリューションは、ガバナンス、セキュリティ、および運用上の安定性を確保しながら、実験と段階的な展開をサポートする必要があります。データサイエンスチームとプラットフォームチームは、Azure Machine LearningとMicrosoft Foundryの機能を活用して、このソリューションを実現するために協力する必要があります。
実験結果の一貫性を確保できるような実験追跡戦略を提案する必要があります。どのような戦略を提案すべきでしょうか?

コメントを発表する

あなたのメールアドレスは公開されません。必要な部分に * が付きます。

質問一覧「49問」
質問1 あるチームが、Microsoft Foundryにデプロイされたモデルを使用...
質問2 あるチームが、Azure Machine Learningにおける分類ワークフロー...
質問3 Azure Machine Learningワークスペースには、運用環境で使用され...
質問4 機械学習モデルがAzure Machine Learningにデプロイされ、ビジネ...
質問5 数百万件のレコードに対して、定期的に大規模な推論ジョブを実行
質問6 あるチームは、共有プロンプトテンプレートを利用する複数のAIア...
質問7 データサイエンスチームが、融資承認の結果を予測する分類モデル
質問8 あなたは、Microsoft Foundry にデプロイされた、高度に調整され...
質問9 注:この問題は、同じシナリオを提示する一連の問題の一部です。
質問10 注:この問題は、同じシナリオを提示する一連の問題の一部です。
質問11 Python SDK v2 を使用して、workspace1 という名前の Azure Mach...
質問12 顧客からのフィードバックを分析するために、基本言語モデルを微
質問13 ある金融サービス会社は、規制対象の顧客データを処理する生成型
質問14 チームは、管理対象のオンラインエンドポイントに機械学習モデル
質問15 ケーススタディ1 - ファブリカム社 背景 Fabrikam Inc.は、米国...
質問16 あるチームが、Microsoft Foundry上に構築された生成型AIアプリ...
質問17 パイプラインのステップが、一時的な計算問題により断続的に失敗
質問18 ある金融サービス会社は、規制対象の顧客データを処理する生成型
質問19 ドラッグアンドドロップ問題 あるチームが、Microsoft Foundry上...
質問20 チームがAzure Machine Learningワークスペースを管理し、エンド...
質問21 ホットスポットに関する質問 ある企業が、長時間の会議議事録を
質問22 ケーススタディ1 - ファブリカム社 背景 Fabrikam Inc.は、米国...
質問23 ホットスポットに関する質問 Azure Machine Learningでモデルを...
質問24 あなたは、Azure AI Searchを使用してインデックス付きナレッジ...
質問25 トレーニング中、上流のデータ変更によってスキーマの不一致が発
質問26 GPU対応クラスタでモデルをトレーニングし、CPUベースのエンドポ...
質問27 あるチームは、共有プロンプトテンプレートを利用する複数のAIア...
質問28 Azure Machine Learning を使用すると、同じワークスペースを使...
質問29 ホットスポットに関する質問 Python SDK v2 を使用して、workspa...
質問30 ドラッグアンドドロップ問題 ある組織は、Microsoft Foundryを使...
質問31 チームは分類モデルを本番環境に展開し、パフォーマンスとデータ
質問32 リアルタイムエンドポイントで、断続的なレイテンシの急増が発生
質問33 ドラッグアンドドロップ問題 チームは、複数のAzure Machine Lea...
質問34 チームがAzure Machine Learningのリアルタイムエンドポイントに...
質問35 注:この問題は、同じシナリオを提示する一連の問題の一部です。
質問36 注:この問題は、同じシナリオを提示する一連の問題の一部です。
質問37 モデルを本番環境にデプロイしたものの、予測精度を評価するため
質問38 ある組織は、開発用と本番用にそれぞれ別のAzure Machine Learni...
質問39 注:この問題は、同じシナリオを提示する一連の問題の一部です。
質問40 ホットスポットに関する質問 Azure Machine Learning を使用する...
質問41 ホットスポットに関する質問 あなたは、Microsoft Foundry で行...
質問42 Azure OpenAI Service ベースモデルのデプロイメントが完了して...
質問43 チームがAzure Machine Learningのリアルタイムエンドポイントに...
質問44 チームは、複数のAzure Machine Learningパイプラインを使用して...
質問45 あるチームは、新たな企業向けAI機能の一環として、大規模な基盤...
質問46 管理対象のオンラインエンドポイントに新しいモデルバージョンを
質問47 顧客からのフィードバックを分析するために、基本言語モデルを微
質問48 実験結果の一貫性を確保できるような、実験追跡戦略を提案する必
質問49 データセット、コード、環境を含む実験の完全な再現性を、複数の