実践的 MLOps エンジニア育成講座
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。
こんな方におすすめ
・機械学習モデルの構築・運用をより効率化したい方
・機械学習モデルの開発から実際の運用までのプロセスを
学びたい方
・機械学習モデルの現場適用やビジネス適用に課題を
感じているエンジニア
・機械学習モデルを実際の環境で運用し、管理するための
スキルを身につけたいエンジニアやデータサイエンティスト
CURRICULUM
Curriculum
- カリキュラム
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
process
Process
- 講座開催までのお申し込み手順
STEP 01：お打ち合わせの日程調整
【お打ち合わせカレンダー】よりご希望の日時を選択し、必要事項をご記入の上、日程調整を完了してください。
お打ち合わせはオンライン（Google Meet）で行います。
STEP 02：お打ち合わせ・ヒアリング
お打ち合わせで貴社のニーズのヒアリングをさせて頂き、実課題解決に最適なカリキュラムをご提案致します。
また、開講する期間等、講座に関するご質問への対応をいたします。
STEP 03：講座開催
契約完了となり、講座を開催します！
※本講座はオンラインでもオフライン（対面）でも受講可能です。
review
