MLOps Foundations: Kubernetesとクラウドツールによる自動化パイプライン

ノートブックから本番環境への機械学習のスケーリングには、コード以上のものが必要です。堅牢な運用フレームワークが求められます。このコースは、データサイエンスと信頼性の高いソフトウェアエンジニアリングのギャップを埋めたいと考えている方々に明確な道筋を提供します。静的なモデルを、実世界のデータ需要に対応できるスケーラブルで自動化されたサービスに変換する方法を学びます。 このコースを修了すると、業界標準のツールを使用して、エンドツーエンドのMLOpsワークフローを設計および維持できるようになります。基本的なバージョニングの理解から、複雑なコンテナオーケストレーションおよび継続的インテグレーション戦略の実装へと進みます。 学習内容: - MLOpsのコア原則と、本番グレードの機械学習のライフサイクルを理解する。 - DVCとGitを使用してデータとコードのバージョニングを管理し、プロジェクトの再現性を確保する。 - JenkinsやGitHub ActionsなどのCI/CDツールを使用して、モデルのトレーニングとデプロイメントのワークフローを自動化する。 - Dockerを使用して機械学習アプリケーションをコンテナ化し、Kubernetesを使用してそれらをオーケストレーションする。 - MLFlowと中央レジストリを使用して実験を追跡し、モデルのバージョンを管理する。 - PrometheusとGrafanaを使用してモデルのパフォーマンスを監視し、データドリフトを検出する。 - 基本的なLLMオブザーバビリティとベクトルデータ管理を含む、最新のMLOpsパターンを適用する。 コースは、基本的な定義と主要な用語から始まり、自動化、コンテナ化、監視の実践的な応用へと進みます。実世界の運用シナリオをシミュレートする、記述式の解説とコードベースの演習に取り組みます。 このコースは、機械学習の運用面に興味のある、データサイエンス、ソフトウェアエンジニアリング、またはDevOpsの初心者向けに設計されています。MLOpsツールの事前経験は必要ありません。 今日から、スケーラブルで信頼性の高い機械学習インフラストラクチャの構築を始めましょう。