MLOps (機械学習オペレーション)

本番環境で機械学習モデルをデプロイ、監視、維持するための原則と実践を学びます。データサイエンスと DevOps の間のギャップを埋めます。

9 courses

導入:Azure を使用したパイプラインの構築と展開

Azure DevOps と Azure Machine Learning を使用して、継続的統合、デリバリー、トレーニングパイプラインを設計することで、データサイエンスとプロダクションのギャップを埋める方法を学びます。
★ 4.6 (1,000)

実世界応用を伴うデータサイエンスと機械学習

データ科学と機械学習の基礎を構築し、データ分析と実世界の産業に対するモデルの展開方法を学ぶ。
★ 4.7 (4,717)

クラウドインフラ上の機械学習とTensorFlow

最新のクラウド環境で TensorFlow を使用して専門的な機械学習モデルを構築、訓練、展開する方法を学びます。
★ 4.4 (3,778)

スケーラブル・マシン・ラーニングとビッグデータの基礎

分散コンピューティングと現代のAIパターンを用いて,大規模なデータセットを処理し,予測モデルを構築する方法を学ぶ。
★ 4.6 (2,504)

クラウドプラットフォームを活用したMLOpsの基礎

必須のクラウドベースMLOpsプラクティスを用いて、機械学習モデルを本番環境で構築、トレーニング、デプロイする方法を学びます。
★ 3.5 (56)

機械学習モデルのデプロイメント

機械学習モデルをデプロイし、実世界アプリケーションのための実用的なデータ製品を構築する方法を学びます。
★ 3.6 (54)

クラウド上でTensorFlowを使って機械学習モデルを構築する

TensorFlowと主要なクラウドサービスを使用して、データ準備からモデルデプロイメントまでの機械学習ワークフロー全体を理解する。
★ 4.2 (31)

クラウドプラットフォームAIインフラストラクチャの基礎

最新のコンテナおよびMLOpsプラクティスを使用して、人工知能ワークロード向けのスケーラブルなクラウドインフラストラクチャを構築、デプロイ、管理する方法を学びます。
★ 4.3 (25)

機械学習ワークフロー:データからデプロイメントまで

機械学習モデルの構築とデプロイメントにおける完全な反復プロセスを理解し、実用的なAIソリューションを開発する能力を身につけます。
★ 4.7 (21)