お問い合わせ
 期間 14 時間

コース概要

DevstralとMistralモデルの紹介

  • Mistralのオープンソースモデル概要
  • Apache-2.0ライセンスとエンタープライズ採用
  • コーディングおよびエージェントワークフローにおけるDevstralの役割

MistralとDevstralモデルのセルフホスティング

  • 環境準備とインフラ構成の選択
  • Docker/Kubernetesを用いたコンテナ化とデプロイメント
  • 本番利用のためのスケーリング考慮事項

ファインチューニング技術

  • 教師ありファインチューニングとパラメータ効率チューニングの比較
  • データセットの準備とクリーニング
  • ドメイン別カスタマイズの例

Model Opsとバージョニング

  • モデルライフサイクル管理のベストプラクティス
  • モデルのバージョニングとロールバック戦略
  • MLモデルのためのCI/CDパイプライン

ガバナンスとコンプライアンス

  • オープンソースデプロイメントのセキュリティ考慮事項
  • エンタープライズコンテキストにおけるモニタリングと監査可能性
  • コンプライアンスフレームワークと責任あるAIプラクティス

モニタリングとオブザーバビリティ

  • モデルドリフトと精度劣化の追跡
  • 推論パフォーマンスのための計測
  • アラートとレスポンスワークフロー

ケーススタディとベストプラクティス

  • MistralとDevstral採用の業界ユースケース
  • コスト、パフォーマンス、制御のバランス
  • オープンソースModel Opsから得た教訓

まとめと次のステップ

要求

  • 機械学習ワークフローに関する理解
  • PythonベースのMLフレームワークでの経験
  • コンテナ化およびデプロイメント環境への熟悉

対象読者

  • MLエンジニア
  • データプラットフォームチーム
  • 研究エンジニア

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