🎓 第4章：デプロイとサービング
第4章 デプロイとサービング
レジストリの Production モデル（モデルレジストリとモデルのライフサイクル）を、実際に予測を返す形にするのがこの章です。用途に応じたデプロイパターン（バッチ/オンライン/ストリーミング）を選び、低遅延 API としてモデルを公開し、新モデルを安全に切り替える（シャドー/カナリア/A-Bテスト）。そしてモデルと依存をコンテナに固めて「どこでも同じに動く」状態にします。汎用のコンテナ/オーケストレーション基盤はクラウド分野へ、A/Bテストの統計的評価は因果推論分野へ wikilink します。
トピック一覧
- デプロイパターン（バッチ・オンライン・ストリーミング） — 標準
- オンライン推論サービング — 標準
- リリース戦略（シャドー・カナリア・A-Bテスト） — 発展
- モデルのパッケージングとコンテナ化 — 標準
この章の要点
- デプロイパターン：バッチ（定期一括）/オンライン（リクエスト毎・低遅延）/ストリーミング（イベント駆動）を要件で使い分ける。
- オンラインサービング：モデルを REST/gRPC API として公開。遅延・スループット・スケールを設計する。
- リリース戦略：シャドー（影で並走）→カナリア（少数に先行）→A-Bテスト（効果測定）で、本番影響を抑えて安全に切り替える。
- パッケージング：モデル＋変換器＋依存をコンテナイメージに固め、環境差をなくす。
関連章
- 第3章 実験管理とモデル管理 — モデルレジストリとモデルのライフサイクル（配信元）
- 第5章 推論の最適化 — サービングの性能を詰める
- 第6章 監視と継続的学習 — デプロイ後の監視
- クラウド：クラウド・インフラ／SRE・DevOps 全体目次（汎用コンテナ基盤）
- 因果推論：A/Bテストの効果測定