MLOpsのデプロイとライフサイクル

MLOpsのデプロイとライフサイクル管理

最新のMLOpsフレームワークを学び、機械学習モデルのライフサイクルとデプロイを含めて理解します。 このコースでは、技術的負債を最小限に抑えるMLコードの書き方を学び、モデルのデプロイと監視に必要なツールを理解し、実際に直面するさまざまな環境や分析手法について学びます。

MLOpsライフサイクルについて学ぶ

データを収集し、準備し、ラベル付けし、さまざまなモデルで数多くの実験を行い、チャンピオンモデルでコンセプトを実証したら、次のステップに進む時です。 構築。 展開。 監視。 維持。 それが、本番環境に投入されることが決まった後の、モデルのライフサイクルです。 それがMLOpsのOps部分です。このコースでは、モデルの価値提供への道のりにおける第2章をどのように進めるかを学び、今後続く多くのコースの基準を築きます。 まずはMLOpsのライフサイクルを学び、MLOpsの重要性と、モデルの開発、デプロイ、監視、保守における主要な機能コンポーネントを理解します。

デプロイ用のMLコードを開発する

次に、デプロイ用のモデルを開発する方法と、効果的なMLコードの書き方、ツールの活用方法、MLパイプラインのトレーニング方法を学びます。 進むにつれて、モデルのデプロイ方法を学び、さまざまなデプロイ環境と、それぞれをいつ使うべきかを探ります。 既存の本番モデルを置き換えるための戦略も習得し、APIについても学びます。

モデルの監視方法を学ぶ

コースを修了するにつれて、MLモデルの監視と維持の背後にある重要なパフォーマンス指標を理解できるようになります。 本番環境でのドリフト監視に加え、モデルのフィードバック、更新、ガバナンスについて学びます。修了する頃には、MLOpsライフサイクルを活用して、自分のモデルを本番環境にデプロイする方法を理解できるようになります。