コース概要

CursorによるデータおよびMLワークフローの紹介

  • データとMLエンジニアリングにおけるCursorの役割の概要
  • 環境のセットアップとデータソースへの接続
  • ノートブックでのAI駆動コード支援の理解

ノートブック開発の加速

  • Cursor内でJupyterノートブックを作成および管理する
  • AIを使用してコード補完、データ探索、可視化を行う
  • 実験のドキュメンテーションと再現性の維持

ETLおよび特徴量エンジニアリングパイプラインの構築

  • AIを使用してETLスクリプトを生成およびリファクタリングする
  • スケーラビリティに適した特徴量パイプラインの構造化
  • パイプラインコンポーネントとデータセットのバージョン管理

Cursorを使用したモデルトレーニングと評価

  • モデルトレーニングコードと評価ループのスキャフォールディング
  • データ前処理とハイパーパラメータチューニングの統合
  • 異なる環境でのモデル再現性の確保

MLOpsパイプラインへのCursorの統合

  • CursorをモデルレジストリとCI/CDワークフローに接続する
  • AI支援スクリプトを使用して自動再トレーニングとデプロイメントを行う
  • モデルライフサイクルの監視とバージョン管理

AI支援ドキュメンテーションとレポート

  • データパイプライン用のインラインドキュメンテーションの生成
  • 実験サマリと進行状況報告の作成
  • コンテキストリンクされたドキュメンテーションを使用したチームコラボレーションの向上

MLプロジェクトでの再現性とガバナンス

  • データおよびモデル系譜のためのベストプラクティスの実装
  • AI生成コードを使用したガバナンスとコンプライアンスの維持
  • AI決定の監査とトレーサビリティの維持

生産性の最適化と将来のアプリケーション

  • 速い反復のためにプロンプト戦略の適用
  • データ操作における自動化の機会の探索
  • 将来的なCursorとML統合の進歩への準備

まとめと次なるステップ

要求

  • Pythonベースのデータ分析または機械学習の経験
  • ETLとモデルトレーニングワークフローの理解
  • バージョン管理とデータパイプラインツールの知識

対象者

  • MLノートブックの構築と反復を行うデータサイエンティスト
  • トレーニングおよび推論パイプラインを設計する機械学習エンジニア
  • モデルの展開と再現性を管理するMLOpsプロフェッショナル
 14 時間

参加者の人数


参加者1人あたりの価格

今後のコース

関連カテゴリー