機械学習エンジニアのための適応性と継続的学習:スケーラブルな本番環境システム構築とパフォーマンス最適化
本コースでは、機械学習エンジニアが本番環境でスケーラブルかつ高性能なMLシステムを構築・運用し、継続的に改善していくための実践的な知識とスキルを習得します。
...
Share
MLOpsと本番環境システム構築の基礎
Unit 1: MLOpsの基本とMLライフサイクル
MLOpsとは?
MLライフサイクルを巡る旅
MLOpsの重要性
Unit 2: CI/CDとMLワークフロー
CI/CDのMLへの応用
モデルの管理術
MLパイプライン構築
Unit 3: クラウドMLサービス活用
クラウドMLサービス入門
スケーラブルなMLシステム
MLモデルのパフォーマンス最適化と運用監視
Unit 1: MLモデルのパフォーマンス最適化戦略
推論パフォーマンスの基礎
モデル軽量化の技法
推論エンジンの活用
バッチ処理と並列化
Unit 2: MLモデルの運用監視
ドリフトの検出
異常検出とアラート
監視メトリクスの設計
監視ツールの活用