ビジネス上の問題を把握する
Proseware は設立したばかりのスタートアップで、医療の向上を目指しています。 Proseware の 1 つのチームでは、開業医がより迅速に患者を診断するのに役立つ新しい Web アプリケーションに取り組んでいます。 研究では、糖尿病はよく下される診断の 1 つであり、患者の医療データに特定のパターンが明確に現れている場合には検出が簡単であることを示しています。
患者の診断に役立つ開業医向けの新しい Web アプリの立ち上げに向けて、アプリでロールアウトされる最初の機能は、糖尿病検出機能です。 この機能により、開業医は、患者から医療データを収集してアプリに入力し、その患者が高い確率で糖尿病にかかっているかどうかを確認することができます。 開業医は、それらの分析情報と専門知識を合わせて使用し、次のステップについて患者にアドバイスを行います。
データ サイエンス チームは、匿名データに基づいて、ある人物が糖尿病にかかっているかどうかを精確に予測する分離モデルを作成しました。 モデル トレーニングは Jupyter Notebook に定義されています。 ここで、データ サイエンス チームから作業を受け取り、それを運用環境に持ち込むのは、機械学習エンジニアの責任です。
モデルを運用化するには、次を実行します。
- モデル トレーニングを堅牢で再現可能なパイプラインに変換します。
- 開発環境でコードとモデルをテストします。
- 運用環境にモデルをデプロイします。
- エンド ツー エンド プロセスを自動化します。
Jupyter Notebook は実験に最適ですが、運用環境のワークロードには適していません。 最初のタスクは、ワークフローが簡単にトリガーされ、自動化されるように、ノートブックをスクリプトに変換し、モデル トレーニングを Azure Machine Learning ジョブとして実行します。