機械学習パイプラインの作成を支援するために Data Version Control(DVC)と呼ばれるオープンソースソフトウェアが近年利用され ている.DVC は yaml ファイルにより機械学習パイプラインを管理する ことができ，機械学習パイプラインの作成，管理を効率化できる.DVC を導入することは機械学習プロジェクトにおいてメリットがあるが，ま だ新しい技術であるため，最適な導入方法や導入時期などベストプラク ティスは十分に共有されていない.そのため，本研究では，DVC 上での 機械学習パイプラインの変更過程を明らかにし，DVC を使用しているプ ロジェクトがどのように DVC を導入し活用しているのかについて調査し た.DVC のパイプライン機能を使用し，継続的な開発が行われていると 考えられる機械学習関連プロジェクト 25 件の機械学習パイプライン 42 件を調査対象とした.調査の結果，現在使用されている機械学習パイプラ インは変更が複数回行われたものが 3/4 以上を占めた.また，学習や評 価に属するプロセスの修正が多く，最初に登録した機械学習パイプライン のプロセスが現在まで無変更であるものが，変更が行われたプロセスの 1/10 以下であった.さらに，現在使用されている機械学習パイプライン はデータ取得，学習，評価のプロセスを含むものが多いことがわかった.
