導入：Azure を使用したパイプラインの構築と展開

多くの機械学習モデルは、生産に移行するために系統的で自動化されたアプローチが必要なため、実験段階を越えることはありません。このコースでは、機械学習開発と実行を統合し、信頼性の高いスケーラブルなモデルを実世界で提供するための重要な分野であるMLOpsを紹介します。 また、データサイエンスにDevOps原則を適用し、自動テスト、継続的統合、系統的モデル展開を可能にする方法を理解する。 学ぶことは ＭＬＯｐの成熟度レベル，ライフサイクルの段階，従来の機械学習展開の課題などの核心概念を理解する。 機械学習ワークフローに特化したＣＩ（連続統合）とＣＤ（連続デリバリー）パイプラインを設計した。 モデルの再学習を行うためのＣＴループを設定する。 また，Ａｚｕｒｅ　Ｍａｃｈｉｎｅ　ＬｅａｒｎｉｎｇとＡｚｕｒｅ　ＤｅｖＯｐｓの概念を適用して，エンドツーエンドのＭＬパイプラインをオーケストラする。 また，長期信頼性を確保するために，ドリフト検出と性能追跡戦略を用いて，生産中の展開モデルを監視する。 まず基本的なＭＬＯｐｓ用語とアーキテクチャ原理を学び，次にパイプライン構成の逐次書き込みウォークスルーを探究する。この教材は，データとモデルのバージョン管理から展開の自動化，生産モニタリングの設定までをカバーする。 これは，ＭＬエンジニア，データサイエンティスト，開発者にとって，オペレーションに新しく，しかも堅固な基盤を構築したいという人に向けて設計されたコースである。パイプラインと自動化の絶対的な基礎から始めるため，以前のＤｅｖＯｐｓ経験は必要ない。 機械学習モデルをプロダクションに生かすワークフローをマスターするために、今すぐ読み始めましょう。