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
お客様の声 (2)
クレイグはトレーニングに非常に積極的に関わり、常に私たちが注意を払っているか確認し、例を日常の活動に合わせて調整しました。また、プレゼンテーションに含まれていない情報であっても、質問された際には常に回答を提供してくれました。
Ecaterina Ioana Nicoale - BOOKING HOLDINGS ROMANIA SRL
コース - DevOps Foundation®
機械翻訳
講師の高いコミットメントと知識
Jacek - Softsystem
コース - DevOps Engineering Foundation (DOEF)®
機械翻訳