コース概要

導入

  • Machine Learning モデルと従来のソフトウェアの比較

DevOpsワークフローの概要

Machine Learningワークフローの概要

コードとデータとしての ML

ML システムのコンポーネント

ケーススタディ: 営業 Forecasting アプリケーション

Accessing データ

データの検証

データ変換

データ パイプラインから ML パイプラインへ

データモデルの構築

モデルのトレーニング

モデルの検証

モデルトレーニングの再現

モデルのデプロイ

トレーニングされたモデルを本番環境に提供する

ML システムのテスト

継続的デリバリーのオーケストレーション

モデルのモニタリング

データのバージョン管理

MLOps プラットフォームの適応、スケーリング、保守

トラブルシューティング

要約と結論

要求

  • ソフトウェア開発サイクルを理解していること
  • 機械学習モデルの構築経験または作業経験
  • Pythonプログラミングに精通していること

観客

  • ML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


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 (3)

関連コース

関連カテゴリー