プロダクション・マシン・ラーニングとMLOpsの基礎

テキストベースのこのコースは，理論的データ科学と実用的機械学習工学の間のギャップを埋めるものである。 実験的なコードを書くことから、エンドツーエンドのプロダクトパイプラインの設計へと移行する。プロジェクトのスコープを明確に理解し、信頼性の高いベースラインを設定し、データパイプラインを管理し、モデルを展開し、コンセプトのドリフトなどの現実的な課題に対処するための継続的なモニタリングを実装する。 学ぶことは プロジェクトのスコープからシステム設計までのプロダクション機械学習ライフサイクルのコアフェーズを理解する。 モデルの反復を指導するためにベースライン性能指標を設定し，構造化誤差分析を行う。 また，データの処理概念やデータのドリフトなどのデータ品質問題に対処する。 実時間およびバッチ予測のための展開戦略を設定し，適切なアーキテクチャを選択する。 また，モデルの性能をモニタリングするための観測性概念と自動化フィードバックループを提案した。 まず，プロダクションシステムの基礎的な定義とＭＬＯｐｓの原理を説明し，次に，データの準備，展開パターン，展開後の保守を説明する。 プロダクションライフサイクルの基本的な知識から始めるため，ＭＬエンジニア，データサイエンティスト，プロダクションワークフローに新しい開発者に向けて設計した。 信頼性の高いプロダクション向け機械学習システムの構築への旅を今すぐ始めましょう。