MLflowDocker、Kubernetesを使用して、実験追跡、モデル提供、CI/CD、監視、ドリフト検出によってML モデルを本番環境にデプロイします。
MLflow、Docker、Kubernetesを使用して、実験追跡、モデル提供、CI/CD、監視、ドリフト検出によってML モデルを本番環境にデプロイします。このトラックは、完全初心者（A1）から上級（B2）まで30の段階的なミニコースをカバーしており、短い焦点を絞ったレッスンと各概念を定着させるためのクイッククイズが含まれています。
基礎から始めて、中級および上級のトピックを習得していきます。各コースは前のコースに基づいています。すべてのレッスンは実践的でコンパクト設計で、サポートが必要な場合は24時間年中無休のAIチューターが利用可能です。
各コースは4つの焦点を絞ったコンパクトレッスンに分かれています。1日数レッスンを完了すれば、数ヶ月ではなく数週間でトラック全体をマスターできます。
AIを活用したツールと機能で学習をパワーアップ
MLOps Academyラーニングパスのすべてのコース
MLOpsを平易に説明し、データから本番環境までのMLライフサイクル全体を整理します。
オフラインでは優れたモデルが、実際のユーザーに使われると失敗する本当の理由を明らかにします。
パラメーター、メトリクス、実行結果を記録し、実験を二度と失わないようにします。
すべての依存関係を固定し、どこでも同じ結果が得られる学習実行環境を作ります。
リポジトリを肥大化させずに、大規模データセットをGitで追跡します。
学習済みモデルを重要な成果物として保存、バージョン管理、ステージングします。
学習済みモデルをポータブルで読み込み可能な成果物に変換します。
あらゆるモデルを実際のHTTP予測APIとしてラップします。
どこでもモデルを実行できる再現可能なコンテナを構築します。
学習、登録、提供、予測を1つの動作するパイプラインにつなぎます。
GitHub Actionsでモデルのテストとデプロイを自動化します。
場当たり的なスクリプトを、再現可能で段階的な学習DAGに変換します。
Feastを使い、学習と推論に一貫した特徴量を提供します。
ユースケースに適した予測方式を選び、構築します。
バッチ処理と適応型スケーリングを組み込んで、モデルをパッケージ化し提供します。
モデルServiceに計測機能を組み込み、稼働中の動作を確認できるようにします。
入力や関係性が学習時から変化したタイミングを測定します。
新しいモデルをトラフィックの一部に展開し、改善効果を測定します。
コンテナ化したモデルをノートパソコンからマネージドCloudランタイムへ移行します。
適切なプリミティブを使って、Kubernetes上で学習とServingを実行します。
Kubernetes上に自動スケーリング可能な推論Serviceとしてモデルをデプロイします。
Triton Inference ServerでGPUから最大限のスループットを引き出します。
まず実際のトラフィックでテストして、新しいモデルを安全にリリースします。
スケジュールまたはドリフトに応じてモデルが自動更新されるよう、フィードバックループを完成させます。
ノイズが多くラベルが遅れて届く現実の環境にも耐える、堅牢なドリフト監視を構築します。
データ、予測、結果にわたるモデルの挙動をエンドツーエンドで把握します。
レイテンシーや精度を犠牲にせず、推論コストを削減します。
LLMを活用したアプリケーションを本番環境で運用、評価、監視します。
はい。MLOps Academyコースは無料で始められ、インタラクティブレッスンをすべて無料で完了できます。オプションのPRO登録で、高度なAIツールと共有可能な認定資格がアンロックされます。
いいえ。コースは基礎から始まり、より高度なトピックへと進むので、PYTHONの事前経験がなくても始められます。
実践しながら学びます。短いインタラクティブレッスンは、わかりやすい説明と、リアルタイムで実行される実践的なコード演習が組み合わさっており、24時間対応のAIチューターがわからないときにいつでもサポートします。
はい。PRO学習者は試験を受けて、MLOps Academyコースの完了を証明する共有可能な認定資格を取得できます（認証コード付き）。
はい。CoddyKitはウェブとネイティブiOS・Androidアプリで利用でき、どのデバイスでもPYTHONを学習でき、進捗がすべてのデバイスで同期されます。