AI用語集
人工知能の完全辞典
ML向けCI/CD
機械学習モデルのライフサイクルに特化した継続的インテグレーション・継続的デプロイメントパイプライン。データ検証、自動トレーニング、本番環境へのモデル制御デプロイメントを統合。
自動再トレーニングパイプライン
事前に定義された条件（時間ベース、パフォーマンスベース、またはデータドリフト）に基づいてモデルの再トレーニングを自動的にトリガーするオーケストレーションワークフロー。検証と条件付きデプロイメントを含む。
シャドウデプロイメント
新しいモデルが本番モデルと並行して動作し、ユーザーに影響を与えずに完全切り替え前にパフォーマンスを静かに検証できるデプロイメント戦略。
ML向けカナリアデプロイメント
新しいモデルがまずトラフィックの小さな割合に公開され、集中的なモニタリング後にすべてのリクエストに徐々に拡張される段階的デプロイメントアプローチ。
ML実験トラッキング
ML実験のハイパーパラメータ、メトリクス、アーティファクト、結果を構造的にログ記録するシステム。トレーニング実行の体系的な比較と再現を可能にする。
継続的モデル評価
本番環境のモデルのパフォーマンスを基準テストセットに対して継続的に評価する自動化プロセス。回帰検出とバイアスメトリクスを含む。
モデルガバナンスパイプライン
本番環境への昇格前に規制コンプライアンス、アルゴリズム的公平性、モデルドキュメンテーションを検証する自動化された一連の制御。
特徴量エンジニアリング自動化
特徴量の作成、変換、選択を自動化するパイプライン。時間的安定性の検証と分布のドリフト追跡により予測品質を維持。
MLモデル検証
デプロイ前にモデルの堅牢性、汎化性、コンプライアンスを検証するCI/CDパイプラインの体系的なステップ。単体テスト、統合テスト、ビジネス検証を含みます。
ハイパーパラメータ最適化CI
ビルドパイプラインにおけるハイパーパラメータ最適化の継続的インテグレーション。交差検証と結果の追跡を伴う最適な設定の探索を自動化します。
モデル解釈性パイプライン
CI中にモデルの説明（SHAP、LIME）を生成・検証する自動化ワークフロー。本番環境へのデプロイ前に透明性と解釈可能性を確保します。