コース概要

導入

  • ソフトウェア開発のベスト プラクティスを機械学習に適応させます。
  • MLflow 対 Kubeflow -- MLflow はどこで輝くでしょうか?

Machine Learningサイクルの概要

  • データの準備、モデルのトレーニング、モデルのデプロイ、モデルの提供など。

MLflow 機能とアーキテクチャの概要

  • MLflow トラッキング、MLflow プロジェクト、および MLflow モデル
  • MLflow コマンドライン インターフェイス (CLI) の使用
  • MLflow UI の操作

セットアップMLflow

  • パブリッククラウドにインストールする
  • オンプレミスサーバーへのインストール

開発環境の準備

  • Jupyter ノートブック、Python IDE、およびスタンドアロン スクリプトの操作

プロジェクトの準備

  • データへの接続
  • 予測モデルの作成
  • モデルのトレーニング

MLflowトラッキングを使用する

  • コードのバージョン、データ、構成をログに記録する
  • 出力ファイルとメトリクスのログ記録
  • 結果のクエリと比較

MLflow プロジェクトを実行中

  • YAML 構文の概要
  • Git リポジトリの役割
  • コードをパッケージ化して再利用可能にする
  • コードを共有し、チームメンバーと協力する

MLflow モデルによるモデルの保存と提供

  • 導入環境の選択 (クラウド、スタンドアロン アプリケーションなど)
  • 機械学習モデルのデプロイ
  • モデルを提供する

MLflow モデル レジストリの使用

  • 中央リポジトリのセットアップ
  • モデルの保存、注釈付け、および検出
  • モデルを共同で管理します。

MLflow を他のシステムと統合する

  • MLflow プラグインの使用
  • サードパーティのストレージ システム、認証プロバイダー、および REST API との統合
  • 作業中 Apache Spark -- オプション

トラブルシューティング

要約と結論

要求

  • 【0】プログラミング経験
  • 機械学習フレームワークや言語の経験

観客

  • データサイエンティスト
  • 機械学習エンジニア
  21 時間
 

参加者の人数


開始

完了


Dates are subject to availability and take place between 10:00 and 17:00.
Open Training Courses require 5+ participants.

お客様の声 (1)

関連コース

関連カテゴリー