ML プレゼンテーションに PowerPoint を使うのをやめて、代わりにこれを試してみてください
Please try using this instead of PowerPoint for your ML presentation.
Gradioは技術的なステークホルダーだけでなく非技術的なステークホルダーにも印象を与える確実な方法です — なぜそれを使用するデータサイエンティストやMLEの数がもっと多くないのでしょうか？
PowerPointプレゼンテーションはつまらないです。
少なくとも、悪いプレゼンテーションはそうです。
悪いPowerPointは注意散漫な観客を生み出し（彼らはカメラをオフにして他の作業をする）、プレゼンターに対して技術的な専門用語を使いすぎたり、長々しい話をするという悪い習慣を許してしまいます。
では、なぜデータサイエンティストはPowerPointをこんなに多く使用するのでしょうか？
このトピックに関する最近のRedditのスレッドでは、DSで働く回答者はスライドデッキを作成したりプレゼンテーションを行うのに10〜60％の時間を費やしていると報告しています。これは非常に堅牢な統計ではないと認識していますが、真の分布に関係なく、データサイエンスで働く私たちの多くにとって、次の感情が共有されています：私たちはモデルカードからROCカーブやShapley値のスクリーンショットまで、すべてをショーケースするためにPowerPointを大量に使用します。
好きであろうとなかろうと、PowerPointは現代の機械学習スタックの重要な部分であり、どこかに行くつもりはありません。
それとは違うのでしょうか？
この記事では、私はGradioという無料のツールを紹介します。このツールを使用すると、次のことができます：
- ブラウザやJupyter Notebookを介してMLモデルを視覚化する
- 非技術的なステークホルダーにインタラクティブで分かりやすい視覚化を提供する
- モデルをテストし、弱点と特徴の重要性を特定する
私はGradioとは関係がなく、何かを売りつけようとしているわけではありません — 私は単に、私がデータサイエンティストとしての仕事でうまく機能したツールを紹介したいと思っています。特に、XGBoostのような表形式のデータを使用するモデルに対してです。
Gradioの紹介：MLモデルをショーケースしてテストするための無料のインタラクティブな方法
開発者自身の言葉で言うと、
Gradioは、誰でもどこでも簡単に使用できるフレンドリーなウェブインターフェースで機械学習モデルをデモする最速の方法です！
これはどのように機能するのでしょうか？驚くほどシンプルです。
こんにちは、世界！
まず、pipを使用してGradioをインストールします。
pip install gradio次に、Gradioをインポートし、入力を受け取る関数を定義します。次に、モデルを「gradio.Interface()」クラスでラップし、はいプレストー、モデルには友好的でインタラクティブなインターフェースが与えられます。このインターフェースはノートブックやウェブページに埋め込むこともできます。以下は非常にシンプルな「Hello {user}！」関数を使用した例です：
import gradio as grdef greet(name): return "Hello " + name + "!"demo = gr.Interface(fn=greet, inputs="text", outputs="text")demo.launch() 
これをJupyter Notebookで実行すると、上記のデモは自動的に新しいセルに表示されます。スクリプトで実行すると、デモはhttp://localhost:7860でブラウザに表示されます。必要ならば、「自分のデバイスからリモートであなたのコンピュータ上のモデルと対話できる同僚と共有できる公開リンクを自動的に生成する」こともできます（docs）。
MLモデルとのGradioの使用方法
もう少し複雑な例を取ってみましょう。手書きの画像を認識できるMLモデルがあるとしましょう。Gradioを使用すると、ユーザーの入力を受け入れるスケッチパッドを作成できます…
import gradio as grdef sketch_recognition(img): pass# ここにスケッチ認識モデルを実装してください...gr.Interface(fn=sketch_recognition, inputs="sketchpad", outputs="label").launch()…私たちにスケッチを描く簡単な方法を提供し、それをモデルに渡して、モデルをリアルタイムでデモする素敵な方法を提供してくれます:
注: この記事を管理可能な長さにするため、モデル自体の詳細は含まれていません。モデルを探している場合は、pre-trainedモデルの素晴らしいリポジトリであるHuggingFaceをチェックしてみると良いでしょう。Jupyter notebookやPythonスクリプトに簡単に読み込んでGradioと一緒に使用することができます。
たった数行のコードで、Gradioはモデルをインタラクティブな方法で簡単にショーケースすることができます。チーム内での可能性を考えてみてください – モデルをチームや利害関係者にショーケースするのがどれだけ簡単になるかを想像してみてください。
この記事が気に入っている場合、私の「フォロー」ボタンをクリックしていただければ、とても嬉しいです – 私の読者の1%しかクリックしていません！読んでくれてありがとう。
XGBoostはどうですか？
はい、はい、わかりました – 何か素敵な画像認識モデルのデモを行うのはとても良いですが、現実世界のデータサイエンスチームではXGBoostがよく使われます。
それなら、素晴らしいニュースがあります：GradioはXGBoostなどのタブularデータ向けのモデルを含むさまざまなモデルで動作します。
以下は、Gradioを使用して表示される収入を予測するXGBoostモデルの例です:
ご覧の通り、Gradioを使用すると、トグルやスライダーを調整して予測にどのように影響するかを確認できます。さらに、Shapley値を使用して、モデルの予測に対する異なる特徴の重要性を確認することもできます！
私がGradioを使う方法
Gradioは、モデルのテストや評価の従来の方法（分類レポートや適切な外部テストデータセットを使用するなど）の代替にはなりませんが、私の日常業務では次の2つのことに役立つと感じています：
- 非技術的な利害関係者へのモデルの説明 – Gradioは、利害関係者のアドホックな質問に答えるのを助けてくれます。例えば、「この変数を変更した場合、モデルの予測はどうなるか？」といった質問です。さらに、トグルをいじるのにAIの博士号は必要ありませんので、誰でもモデルを操作し、自分自身の理解を構築することができます。技術的な背景やコーディングの知識があるかどうかに関係なく。
- モデルのテスト – Gradioを使用すると、リアルタイムでモデルにクエリを投げ、仮説をテストし、モデルの隠れた弱点を素早く特定することができます（予期しない動作を見つけるなど）。バッチテストに比べてスピーディであり、重要なのは、テストプロセスを民主化することです。Gradioを使用すると、孤立したデータサイエンティストにノートブックでバッチテストを実行するために頼る必要はありません。モデルを公開（たとえばHuggingFace Spacesで）し、モデルへのリンクを共有すれば、チームの誰もが参加してモデルを探索することができます。
Gradioは伝説のパワーポイントキラーなのか？
いいえ – しかし、それが真の目的ではありません。
パワーポイントの多様性により、Gradioのような狭いツールは完全な代替にはなりません。それに加えて、パワーポイントはうまく使用されれば、モデルカードやビジネスケースなど、MLライフサイクルの一部を効果的にショーケースする非常に効果的な方法になることもあります。
ただし、特徴の重要性やモデルの結果をショーケースするなど、MLライフサイクルの他の部分では、パワーポイントはうまく機能しないことがあり、Gradioがその弱点のいくつかを解消し、プレゼンテーション中に聴衆が眠ってしまうのを防ぐのに役立つ場合があります。
</
だから、データサイエンティストやMLEの方々で、PowerPointがつまらないか効果的でないと感じている方は、ぜひGradioを試してみてはいかがでしょうか？ 私にとっては本当に大いに助けになりました。
もう一つお願いがあります – あなたは私の1%になれるでしょうか？
VoAGIの読者の中で、わずか1%未満の方が私の「フォロー」ボタンをクリックしてくださっています。ですので、VoAGI、Twitter、またはLinkedInのいずれであっても、あなたがクリックしてくれると本当に感謝しています。読んでくれてありがとうございます！
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
