# サーバーサイド/インフラ
責任の分離という意味ではGoからPythonの機械学習用のサーバーを読み出しても良い。

優先順位
* Terraform
* CI/CD
* 負荷試験(何rps?)
* 責任の分離

話したいこと
* キャッシュとかどうする？GCPで使うなら，Redisのクラウドサービスはある。めちゃくちゃ高い
* MLのタスクとしてのキャッシュ，ミドルウェアを使うのが実践的。
* MLのテストってどうする？

# ML/DS
- 評価指標の策定
不均衡データなのでdefaultのAccuracyはマズい
ログロス？
- 精度向上
- 逐次的に学習or事前学習

逐次的にやるなら最低限dailyで更新はしたい．DBに

先に予測してRedisとかに保持しておく
そうじゃないパターンとして，リアルタイムに推論したい場合，マイクロサービス化する。
Goのサーバーの中で推論のスクリプトじゃなくて，別のAPI作って，そこにモデルをデプロイする。

デプロイするときは，Kubernatesを使ってローリングアップデートするとか，
そういうのが一般的になる。

今回みたいなのだったら，継続的にユーザーが変化するから，逐次的に学習できたほうが良い。

モデルはサーバーの中にあるから，それをどのモデルに使うか，というのをエンドポイント用意してやってもらう。

サンプルだから，回っているモデルをどうやって更新，ラグタイムを下げるかっていうのはある。

Redis：予測結果をキャッシュしようとしている。