← 機械学習テキスト 一覧

🎓 Phase 11 実践・MLOps・信頼性（ドメイン目次）

Phase 11 実践・MLOps・信頼性 目次

ここまでのドメインが「どう学習するか（アルゴリズム）」だったのに対し、Phase 11 は 学習したモデルを現実世界で信頼でき・運用できるシステムにするための実践を扱います。モデルの性能は、しばしばアルゴリズムよりもデータの質・前処理・運用で決まります。

3つの側面に分かれます。

• データを整える：特徴量エンジニアリングと前処理・不均衡データの扱い

• 信頼を担保する：モデル解釈性（なぜそう予測したか）・公平性とバイアス・分布シフトと頑健性（本番で崩れないか）

• 運用する：MLOpsと実験管理（再現性・監視・継続的改善）

• 前提：訓練・検証・テストと交差検証（リーク防止）・評価指標（分類）とROC・AUC（評価）・汎化と過学習・バイアスバリアンス分解（崩れる理由）

• 全ドメインの実践面：このドメインは特定アルゴリズムに依らず、回帰〜LLMの全てに効きます

トピック一覧

1. 特徴量エンジニアリングと前処理（基礎）— スケーリング・エンコーディング・欠損値・リーク
2. 不均衡データの扱い（標準）— リサンプリング・閾値調整・適切な指標
3. モデル解釈性（標準）— 特徴量重要度・SHAP・LIME（説明可能AI）
4. 公平性とバイアス（標準）— データの偏り・公平性指標・トレードオフ
5. 分布シフトと頑健性（発展）— 共変量シフト・本番での劣化・対策
6. MLOpsと実験管理（標準）— 再現性・実験管理・デプロイ・監視

関連ドメイン

• 機械学習の基礎枠組み 目次（評価・汎化・交差検証の土台）
• アンサンブル学習 目次（特徴量重要度）
• 大規模言語モデル 目次（LLMの評価・運用にも通じる）
• 機械学習テキスト 全体目次