機械学習は翻訳、推薦システム、異常および不正検出など、さまざまなアプリケーションで利用されており、今後も機能強化のために、機械学習を組み入れるサービスはますます増えていくと考えられています。しかし機械学習はモデルの学習や評価など、これまでのアプリケーションにはない処理が必要となるだけでなく、正常に動作しているかを単純なテストだけでは検証できないなど、特別な配慮が必要となります。本書は機械学習を利用するアプリケーションを設計、構築、デプロイするために注意すべき点をまとめました。繰り返しによりデータやモデルを漸進的に改善する方法、モデル性能の監視やモデルのデバッグを行う方法など、アプリケーションを構築、運用する上で、その品質を左右する一連のプロセスを詳しく解説します。

第１部　適切な機械学習アプローチの特定（製品目標からＭＬの枠組みへ
計画の作成）
第２部　機能するパイプラインの構築（最初のエンドツーエンドパイプライン構築
初期データセットの取得）
第３部　モデルの反復（モデルの学習と評価
ＭＬ問題のデバッグ　ほか）
第４部　デプロイと監視（モデルデプロイ時の考慮点
デプロイオプションの選択　ほか）
付録Ａ　コードの実行（日本語版補遺）