Rancher Meetup #01 in Nagoya まとめ
貫禄のロギング好き学部4年生 @Juju_62q #rancherjp pic.twitter.com/Zj1bEasv9S
2019-03-02 14:28:51学生のレベルではない。@Juju_62q #rancherjp pic.twitter.com/sv6dIFFeJg
2019-03-02 14:31:44Dockerの冪等性を語る @Juju_62q #rancherjp pic.twitter.com/Y2E1xsKrGq
2019-03-02 14:32:42理想的な機械学習環境は、データサイエンティストが機械学習に必要なリソース等を意識せずに、やるべきことに集中できること #rancherjp
2019-03-02 14:33:35dockerイメージはデータサイエンティストとインフラエンジニアが一緒に管理している #rancherjp
2019-03-02 14:34:16データサイエンティストの仕事が、動かすスクリプトとリソースを指定することの2つになった。インフラもDokcerより下レイヤーの環境を管理する仕事に整理された #rancherjp
2019-03-02 14:34:32機械学習は変化が早い。AIファースト。同一フレームワークを使っても、優れたバージョンができていく。フレームワークもデータの特徴に合わせて、必要な時に必要なものを使うのが適している。変化に強くなければいけない。 #rancherjp
2019-03-02 14:35:45なぜ機械学習でコンテナを使うのか?機械学習は開発が非常に盛んであり、優れたフレームワークがすぐに開発される。また、使うフレームワークはデータサイエンティストが自由に選びたい。そのためには、変化に強いインフラが必要であったため、コンテナを採用さた。 #rancherjp
2019-03-02 14:36:22CUDA,言語、フレームワーク。いつでも全部変わる可能性がある。明日変えて欲しいとか。そういうレベルの変化にも適応できなければいけない。だからコンテナでやる。Dockerfileで残すので、冪等性の保証ができる。 #rancherjp
2019-03-02 14:37:38機械学習実験に必要なリソースはいつだって可変する。なので必要なリソースを、適切に使える基盤を選択できる必要がある。そこでKubernetes。GPUのリソースも管理対象にできる。#rancherjp
2019-03-02 14:41:13機械学習の実験は、必要なリソースが実験によって変化する。必要なリソースを配置してくれるオーケストレーターは必須 #rancherjp
2019-03-02 14:41:18DaemonSetを語る @Juju_62q #rancherjp pic.twitter.com/EOiAGgbDGP
2019-03-02 14:41:41Rancherを使う理由 @Juju_62q #rancherjp pic.twitter.com/ZpWmnE8Q7d
2019-03-02 14:43:40k8s学習コスト高い、GUIがあればとっつきやすいのでは?権限管理もできる。慣れてくればkubectlをラップしてCLIツールを使ってもらうことにしている。#rancherjp
2019-03-02 14:43:44インフラエンジニアの変更にかかるコストがだいぶ下がった。あと新しいことをやっていて、楽しい!モチベーション上がる!#rancherjp
2019-03-02 14:44:56コンテナ化した機械学習基盤を構築したところ、インフラエンジニアは超楽しい結果になった #rancherjp
2019-03-02 14:44:57山口さんと一緒に話してきたよー! ansible-users.connpass.com/event/116946/ #rancherjp
2019-03-02 14:48:02