システム開発

－－－－－－－－－－－－－－－－－－－－－－－－－

１．学習済モデルをシステム化して使う方法

機械学習で性能のよい予測モデル（学習済モデル）を得ることができたら、次のステップとして予測システムを開発し実用化します。
このシステム開発を「デプロイ」とも言います。

よくやるやり方は、モデルをWeb APIの形式に変換します。
このAPIは、PythonのFlaskなどのWebフレームワークで作成することができます。
そして、このAPIに、Scikit-learnなどで学習させた予測モデルをimporすることでし、HTMLからその予測モデルを実行することが可能になります。

この予測モデルのAPIはサーバに保管します。
ユーザは自分のパソコンからHTML経由でデータをサーバへ投げて推論処理を実行し、その結果を再び自分のパソコンで照会します。
予測モデルをサーバへ保管することで、多人数のユーザでも同時利用が可能となります。
APIはサーバに保管せずに、自分のパソコンに保管して実行することも可能です。

上記のような方法は、動作が軽く、多人数のユーザでも同時に利用できる（サーバの場合）、画面も見やすい、などというメリットがあります。

逆に、デメリットとして、以下のような点が挙げられます。

・サーバやパソコンでPython環境が必要
・WebフレームワークやPythonのバージョンアップなどにより動作しなく可能性があり、環境やプログラムのメンテナンスが頻発する。
・今まで使用していたエクセルデータをそのまま連携利用するのが難しい
・開発時間がかかる。開発費用が高い。

これらデメリットは、一般ユーザや中小企業などではかなりハードルが高いです。

そこで、これらの問題点を解決するため、企業や個人でよく利用するエクセルを用いたシステムについて次章以降で述べたいと思います。