はじめに：この体験について

この記事では製造業の機械学習活用で実感した『データの質』の重要性について、実際の経験をもとに詳しく解説します。製造業でMLを使って一番学んだのは『データの質がモデルの性能を決める』という事実という体験から、読者の方に役立つ情報をお伝えします。

現場のデータは汚い

現場のデータは汚い。表記ゆれ・欠損・入力ミスが当たり前に存在する。この点については、事前に知っておけば良かったと感じることが多く、体験者として正直にお伝えします。最初はうまくいかないことがほとんどですが、その経験自体が貴重な学びになります。

データクレンジングに費やす時間はML全体の60〜70%を占める

データクレンジングに費やす時間はML全体の60〜70%を占める。実際にこれを経験してみると、想定とは異なる部分が多くありました。特に重要だと感じたのは「準備の段階でしっかり考えること」と「うまくいかなかった時の対処法を持っておくこと」の2点です。

『どんなデータを集めるか』を設計する段階からMLエンジニアが関わる必要がある

『どんなデータを集めるか』を設計する段階からMLエンジニアが関わる必要がある。この気づきは実際にやってみないとわからない感覚で、体験を積み重ねてから見えてきたことです。同じ状況の方は、ぜひこの点を意識して取り組んでみてください。

製造業でのMLプロジェクトは現場スタッフとの信頼関係が成功の鍵

製造業でのMLプロジェクトは現場スタッフとの信頼関係が成功の鍵。継続的に取り組むことで、最初は見えなかった成果が少しずつ形になってきます。焦らず、でも止まらずに続けることが最も重要です。

よくある疑問と回答

まとめ