機械学習エンジニア

Pythonのscikit-learnを用いて、機械学習のスキルを磨きましょう。このインタラクティブなコースでは、実際のデータセットを活用し、強力な予測を行う方法を学んでいただけます。

MLOpsが、ローカルのノートブック上の機械学習モデルを、実際のビジネス価値を生み出す本番環境で稼働するモデルへと進化させる方法をご覧ください。

Unixのコマンドラインは、ユーザーが既存のプログラムを新たな方法で組み合わせたり、反復的な作業を自動化したり、クラスターやクラウド上でプログラムを実行したりするのに役立ちます。

Dive into agriculture using supervised machine learning and feature selection to aid farmers in crop cultivation and solve real-world problems.

In this course, you’ll explore the modern MLOps framework, exploring the lifecycle and deployment of machine learning models.

MLflowで機械学習アプリ開発の複雑さを簡素化する方法を学びます。MLflow Tracking、Projects、Models、Model Registryを探究します。

Perform a machine learning experiment to find the best model that predicts the temperature in London!

抽出、変換、ロードの原則を用いて、効果的で高性能かつ信頼性の高いデータパイプラインの構築方法を学びましょう。

PythonのGreat Expectationsで、データサイエンスとデータエンジニアリングのワークフローにおけるデータ品質を高水準で確保しましょう。

MLデータ管理のための Data Version Control を学習。セットアップを習得し、パイプラインを自動化、モデル評価をスムーズに行います。

本番環境での機械学習モデル監視の課題（データ/コンセプトドリフト）と、劣化への対処手法を学びます。

Pythonで基本的な機械学習モニタリングシステムを構築するために必要な知識を一通り学べます

Dockerの概要について学び、データ専門家のツールキットにおけるその重要性についてご説明いたします。Dockerコンテナやイメージなどについて学びましょう。

Elevate your Machine Learning Development with CI/CD using GitHub Actions and Data Version Control