がん検出

はじめに

このチュートリアルでは、Catalyst QuickMLを使用して、乳がんを分析・予測する機械学習モデルを構築する方法を説明します。モデルのデータソースとして使用できるサンプル医療データセットを提供します。

このチュートリアルでは、まずデータセットの前処理を行い、データがクリーンでトレーニングに適した状態であることを確認します。次に、データ変換を処理するデータパイプラインと、モデルのトレーニングと評価を行うMLパイプラインを構築します。最後に、トレーニング済みモデルのエンドポイントを作成し、外部アプリケーションからモデルとやり取りして乳がんのリアルタイム予測を取得できるようにします。

がん検出MLモデルは、以下のCatalystサービスを使用して構築されます。

Catalyst QuickML：このサービスを使用して、まずサンプルデータセットにノード操作を実装して前処理を行い、データパイプラインを構築します。この前処理済みデータを使用して、MLアルゴリズムを実行してMLモデルを作成します。最終的に、がん検出MLモデルはQuickMLで生成されたエンドポイントURLを使用して外部アプリケーションからアクセスできます。

Catalystコンソールで必要なデータパイプラインとMLパイプラインをすべて作成した後の最終出力は、以下のようになります。