MLOpsブートキャンプ：モデルのCI/CD構築

データからデプロイメントまで — MLflow、Docker、Kubernetesを使って、実践的な機械学習プロジェクトを通じてMLOpsを学ぶ

What you’ll learn

• MLflow、Docker、Kubernetesを活用した機械学習モデルの構築・トラッキング・デプロイ方法
• StreamlitとFastAPIを使った実用的なMLアプリケーションの開発
• GitHub Actionsを用いたCI/CDパイプラインの自動化手法
• Kubernetes上でのスケーラブルな推論インフラの構築方法
• Seldon Coreを使った本番環境向けのモデル提供とPrometheus/Grafanaによる監視
• ArgoCDを使ったGitOpsスタイルの継続的デリバリ

Requirements

• 基本的なPythonの知識（関数、データ構造など）
• DockerやGitの基本操作の理解
• Linuxコマンドラインに慣れていること
• 機械学習の基礎（scikit-learnや回帰の基本的な理解）があると望ましい
• Kubernetesの基本を知っていればさらに効果的ですが、コース内で必要な知識も解説します

Description

This course contains the use of artificial intelligence for translating original work in English to make it available to wider audience.

こちらのコースは、最先端のテクノロジーを母国語で学べるよう、AIによって英語から日本語に翻訳されています。

このハンズオン・ブートキャンプは、DevOpsエンジニアやインフラエンジニアが、成長著しいMLOps分野へスムーズに移行できるよう設計されています。AI/MLが現代アプリケーションの重要な要素となる中、MLOpsは機械学習モデルと本番システムをつなぐ不可欠な橋渡しの役割を果たしています。

本コースでは、「住宅価格の予測」という実際の回帰問題を題材に、データ処理からKubernetes上での本番デプロイまでを体験します。まずは、DockerとMLflowを用いた環境構築と実験トラッキングから始め、機械学習ライフサイクルの全体像を理解しながら、データエンジニアリング、特徴量エンジニアリング、モデルの実験をJupyterノートブックで実践します。

次に、FastAPIを使ってモデルをパッケージ化し、StreamlitベースのUIと共にデプロイします。GitHub Actionsを使ってCI用のMLパイプラインを自動化し、DockerHubへモデルコンテナをプッシュします。

後半では、Kubernetesを使ってスケーラブルな推論インフラを構築し、サービス公開やフロントエンドとバックエンドの接続、サービスディスカバリの設定を行います。さらに、Seldon Coreによる本番グレードのモデル提供や、PrometheusおよびGrafanaダッシュボードによるモニタリングも行います。

最後に、ArgoCDを用いて、Kubernetesクラスターへの変更をGitOpsスタイルで自動かつクリーンに管理・デプロイする方法を学びます。

このコースを修了する頃には、DevOpsの実践を活かしながら、機械学習ワークフローの運用と自動化に必要な知識とスキルを身につけ、MLOpsおよびAIプラットフォームエンジニアとしてのキャリアに備えることができるようになります。

Who this course is for:

• DevOpsエンジニアやインフラエンジニアで、AI/ML領域にキャリアを拡張したい方
• MLOpsのスキルを実践を通して習得したいデータサイエンティストやMLエンジニア
• 自分のMLプロジェクトをプロダクション環境に展開する方法を学びたい方
• 現場レベルで通用するMLアプリケーションの設計、構築、運用スキルを身につけたい方
• AIプラットフォームエンジニアを目指している方

How can Learn Course this Course?

1.    Create Account / Login on Udemy.com

2.    Learn Course by Enroll in this Course

         

Coupon Code for This Course:  JAN_FREE_02 

Hurry Up! 

Enroll Here

** Coupon Code Valid for Limited Time**