これらのコースを受講したことで、プロフェッショナルなビジュアライゼーションやダッシュボードを自信を持って作成できるようになりました
Shoebur Rahman調達スペシャリスト、Giz Bangladesh
コースの説明
ビジネスのためのMLOpsを学ぶ
MLOpsの基本的な概念と練習を学び、機械学習アプリケーションを自動化し、拡張するための新しいツールと手法を身につけましょう。機械学習モデルの開発は、かつては時間のかかる手作業であり、ほとんどのモデルは本番環境に導入されることはありませんでした。 MLOpsを活用することで、企業は機械学習モデルの設計、開発、運用を効果的に拡大し、自動化できます。ビジネスで機械学習運用を活用する方法を学ぶ
このコースでは、MLOpsとは何か、そしてそれを活用して完全に成熟した機械学習企業になる方法を学びます。 MLOpsの要件、関連するツール、手法、関係者、そしてよくある落とし穴を避ける方法について学びます。まずは、MLOpsの主要な要素と、複数の機械学習アプリケーションを設計・開発・運用したい企業にとってそれがなぜ重要なのかを学ぶことから始めます。MLOpsライフサイクルを探る
次に、設計から開発、デプロイ、運用まで、MLOpsのライフサイクル全体を学びます。 第3章では、機械学習モデルを実務で導入する際の主な課題とリスクについて学びます。最後に、実際の現場でMLOpsを成功裏に導入するための最良の練習とケーススタディを見ていきます。コースの終了時には、機械学習アプリケーションを大規模に設計、開発、運用する方法を深く理解し、機械学習がビジネスにもたらす効果を活用できるようになります。前提条件
カリキュラム
コース概要
1
MLOps の概要
第1章では、MLOps の概要と、複数の Machine Learning アプリケーションを同時に設計・開発・運用したい企業になぜそれが必要なのかを紹介します。スケーリングや自動化といった MLOps の主要要素、その利点、そして依然として難しい点について学びます。さらに、技術面・マネジメント面の両方から、MLOps を始めるために何が必要かも探ります。
2
MLOps のライフサイクル
第2章では、設計、開発、デプロイ、運用まで、MLOps のライフサイクル全体を学びます。生産性の高い Machine Learning アプリケーションにモニタリングが不可欠な理由や、モデルを定期的に再学習（再トレーニング）する必要性についても解説します。
3
MLOps：理論から実践へ
第3章では、理論から実践へと進み、Machine Learning モデルのデプロイにおける主な課題とリスクを明らかにします。さらに、MLOps チームがどのように成功裏に運用しているか、そしてマネジメントがスケーリングを後押しするためにできることを学びます。
4
実社会における MLOps
最終章では、ベストプラクティスと避けるべき落とし穴を取り上げ、ビジネスの MLOps の取り組みをどのように軌道に乗せるかを示します。最後に、MLOps の成熟度レベルを確認し、重要な本番プロセス向けの Machine Learning アプリケーションを設計・開発・運用した実例のケーススタディでコースを締めくくります。
R
ビジネスのための MLOps
コース修了
