top of page
MLOps
実践的 MLOps エンジニア育成講座
機械学習モデル 運用を効率化し
プロジェクト品質を向上させる
機械学習モデルの開発から実際の運用に至るまでのプロセスにおいて、効率的な管理と運用を実現するための手法であるMLOpsの基礎から、機械学習モデルを用いた業務アプリの作成方法を学ぶ講座です。
本講座では、DockerやCloudインスタンスを使った環境構築から、DVCやGitを活用した実験のバージョン管理、Streamlitを使ったWebアプリの作成まで、一連のスキルを身につけます。
さらにHydraやWandBを活用した効率的な実験管理や、GitHub Actionsを活用した自動ビルド・テスト・デプロイなどの実践的なスキルを身につけることで、機械学習モデルを用いた簡易業務アプリの構築や運用・保守を効率的に行えるようになり、一度構築したモデルを継続的に再学習するスキルも身につきます。
本講座のゴール
こんな方におすすめ
カリキュラム
実践を見据えたカリキュラム設計
Day 01：実験管理
詳細：HydraやWandBを活用した効率的な実験管理
Day 02：データ管理
詳細：アノテーションツール（VOTT（Detection）・Label studio・GrandTruth）を活用したアノテーション・DVCを活用したデータセット・モデル及びスクリプトの管理
Day 03：（モデル作成）→ デプロイ
詳細：ONNXを活用し機械学習モデルをAPIに乗せて外部LANからリクエストできるようにする。
APIサーバーをDockerコンテナ上に構成し異なる実行環境上でも動作できるようにする。
APIサーバーの乗ったコンテナイメージをクラウドサービス（AWS ECRなど）上にデプロイし，外部internetからリクエストできるようにする。Streamlitで簡易なフロントエンドを作成する。
Day 04：CI/CD→モニタリング→再学習
詳細：
CI/CD
GitHub Actionsを活用した自動ビルド及び自動テスト・デプロイ
Monitoring
クラウドサービス（Cloudwatch Logs）やElasticsearch Cluster，Kibanaといったサービスを活用しMLプロダクトの統計情報を可視化・分析．プロダクトの品質やエラーの監視プラットフォームを構成する
再学習
Updateができる仕組みを作る Monitoring情報GitHub Actionsを活用した再学習及び自動テスト・デプロイ
活用事例
bottom of page