お問い合わせを送信いただきありがとうございます！当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます！当社のスタッフがすぐにご連絡いたします。
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での採用
- Devstralのコーディングおよびエージェント型ワークフローにおける役割
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ストラクチャの選択
- Docker/Kubernetesによるコンテナ化とデプロイ
- 本番利用のためのスケーリングに関する考察
ファインチューニング技術
- 監督付き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
- ドメイン特化型カスタマイズの例
Model Opsとバージョン管理
- モデルライフサイクル管理のベストプラクティス
- モデルのバージョン管理とロールバック戦略
- MLモデル用の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におけるセキュリティ上の考慮事項
- エンタープライズ文脈での監視と監査可能性
- コンプライアンスフレームワークと責任あるAIの実践
監視とオブザーバビリティ
- モデルドリフトと精度低下の追跡
- 推論パフォーマンスのための計装
- 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、コントロールのバランス
- オープンソースModel Opsからの教訓
まとめと次のステップ
要求
- 機械学習ワークフローの理解
- PythonベースのMLフレームワークでの経験
- コンテナ化とデプロイ環境の知識
対象者
- 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
14 時間
