数字で見るバスケットボール

Python

最近Sports Analyst Meetupの発表を聞かせて頂いて、毎回非常に面白いLTばかりで、自分でもやってみたくなりました。

とはいうものの、分析・機械学習ですらまともにやったことがなく、スポーツに関する分析に至っては何から手をつけていいのかわかりませんでした。そんなところに、最近気になる書籍が発売されました。

バスケットボールについての分析に関する本のようです。(概要)

サンプルコードも提供されているので、勉強にはもってこいですね。こちらの書籍を参考に、Bリーグのデータをつかってバスケットボール分析をやってみたいと思います。

機械学習アプリケーションにおけるテストについて

テスト MLOps

機械学習系の話題が多い昨今ですが、実際触ってみると期待した精度・結果が出ないなんてことはよくあることではないでしょうか。

機械学習特有の性質として、データ自体がモデルを変化させ、結果として業務に影響を与えたりします。仮に、機械学習屋さんが精度が出るモデルを構築したと言っても、それを導入するときに、システム全体での品質の維持に苦労したりします。

ということで、不確実性の大きい機械学習系開発についての、設計・テスト戦略でどうやってリスクを低減していけるかが一つカギになってくると思い、方法論について勉強しましたので、そのメモです。

非常に参考にしたのはこちら。

テストそのもののテクニックなどは、一般的なテスト駆動開発に関する書籍を合わせてをご参考ください。

上がテスト駆動開発といえばの定番、下が機械学習で使われるであろうPythonでのテストに関する書籍になっています。

それでは張り切ってやっていきます。

MLOps

機械学習をやっていると、実験管理は避けては通れないと思います。一方で、その環境を整備する工数はなるべく削減して、分析・実装に対して時間を割きたいものです。

より効率的に実験を管理すべく、Weights & Biases（wandb）というサービスがあります。

今回はこちらのwandbを使ってみたので、そのメモです。