お問い合わせ

コース概要

はじめに

  • 機械学習モデルと従来型ソフトウェアの違いについて説明する。

DevOpsワークフロー概要

機械学習ワークフロー概要

データおよびMLをコードとして扱う方法

MLシステムの構成要素説明

事例研究:売上予測アプリケーション

データ取得方法

データ検証の手法

データ変換の手順

データパイプラインからMLパイプラインへの移行

データモデルの構築手順

モデル学習の実施方法

作成されたモデルの検証方法

モデル学習結果の再現性確保について説明する。

モデルの本番環境への導入手順

訓練済みモデルを実際の運用現場で活用する方法について述べる。

MLシステムのテスト手法

継続的デリバリーの仕組みおよび自動化について解説する。

運用中モデルの監視手法

データのバージョン管理方法

MLOpsプラットフォームの拡張・維持・改善策について述べる。

トラブルシューティングの実践例

総括およびまとめ

要求

  • ソフトウェア開発サイクルに関する理解があること
  • 機械学習モデルの構築や利用経験があること
  • Pythonプログラミングに精通していること

対象者

  • 機械学習エンジニア
  • DevOpsエンジニア
  • データエンジニア
  • インフラエンジニア
  • ソフトウェア開発者
 35 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (2)

今後のコース

関連カテゴリー