講座で得られる知識・スキル
受講に必要なスキル・前提知識
- 機械学習モデルについての基礎知識 (スキルアップAIの現場で使える機械学習・データ分析基礎講座 修了相当)
- Linuxコマンドの基礎知識
- Webアプリケーションの基礎知識
※日程によって必要な前提知識レベルが異なりますので、各日程の前提知識、予習、準備をご確認下さい
受講後の姿
- 自力で機械学習システムを構築できるAI時代のフルスタックエンジニア
- 基本的な機械学習システムの枠組みが理解できており、データ基盤チーム内で指示された実装ができるジュニアレベルのデータエンジニア
講座の特長
実サービスで活用され始めている最先端ノウハウ
Kubernetesなどの先端技術に関して、「流行りだからやる」ではなく、「ビジネスで成果を出す」を目的に、技術の本質的理解を目指します。
実務経験豊富な現役のエンジニア講師
AIに注力している企業で活躍する現役のエンジニアが講師なので、現場のリアルについて知ることができます。
ハンズオン・グループワークで実践的内容をアクティブに学ぶ
講座の随所に、実際のサービスを想定したハンズオン、グループワーク課題を用意しているので、主体的にプログラムに取り組むことができ、再現可能なスキルを身に付けられます。
講座概要
| 講座名 | 現場で使える機械学習システム実践講座 |
|---|---|
| 講座時間 |
対面講義4回×4時間 |
| 料金 |
275,000円／1名（税込） |
| 定員 | 各20名 |
※開講日の2週間前までに最少催行人数に満たない場合には、講座の開催を中止する場合がございます。
中止の際には、開講日の10日前までにメールにてご連絡いたします。
カリキュラム
DAY1 <機械学習システム入門>
概要
「機械学習が分かる」から「機械学習を用いてビジネス課題の解決ができる」エンジニアになるためには、理論の理解だけはなく、機械学習を組み込んだシステム開発ができなければなりません。本講座では、機械学習システムの重要性を理解し、現場で躓きやすい環境構築、開発方法、安定稼働するシステム構成など、機械学習エンジニアとして抑えておくべきポイントを学びながら、機械学習モデルを使ったAPIサーバー（またはDB連携）を構築します。
受講対象者
- 機械学習を用いたサービスを作りたい方
- アプリエンジニアとして、データエンジニアと一緒に仕事をする方
- これからデータエンジニアになりたい方
事前準備
ご自身のノートPC。python 3.7.0以上、およびDockerをインストールいただき、docker run hello-worldが可能な状態までご準備をお願い致します。
カリキュラム
- 機械学習システムとは？
- 機械学習を考えるその前に
- 機械学習の導入、理想の組織体制
- MLOpsの注意事項
- Dockerの基本的使い方
- バッチ化における注意事項
- 機械学習システムのビジネス的評価
- グループワーク課題
- 分析方針をどのように立てるか？
DAY2 <Kubernetes基礎講座>
概要
近年採用事例が増えてきたコンテナ技術の代表格であるDockerですが、それをより効果的に運用するためのコンテナオーケストレーションツールとして注目を浴びているのがKubernetesです。本講座では、Kubernetes（k8s）を導入するメリットや適した事例をご紹介し、実サービスへの適用イメージを持っていただき、実際にk8sを用いたサンプルのwebアプリケーションを構築します。
受講対象者
- k8sについて詳しく知りたい方
- k8sを用いたアプリケーションを作れるようになりたい方
- これからデータエンジニアになりたい方
前提知識
- Dockerの基本的な知識・使い方（DAY1修了程度）
- Webアプリケーションの基礎知識
- Ruby on Railsの基礎知識
- GCPの基本的な知識
事前準備
- ご自身のノートPC。Google Cloud Platformの登録と利用準備。gcloudコマンドとkubectlコマンドが利用できる状態まで事前に準備お願い致します。
- k8sの基本事項について事前学習（教材はこちら）
その他準備は、お申し込み後、ご案内いたします。
カリキュラム
- なぜ今k8sなのか？
- ハンズオンで学ぶk8sの基礎
- Rails + MySQL + Nginxのアプリケーションをk8s上に構築し、概念を学ぶ
- Pod, Deployment, HPA
- Service, LoadBalancerによる通信経路の仕組み
- データ永続化の方法
- Secret, ConfigMap等によるpod間リソース共有
DAY3 <Kubernetes応用講座>
概要
本講座では、Kubernetesだけでなく、そのエコシステムを支えるツール群について学ぶことで、よりKubernetesを効果的に使い、迅速にシステム構築できるスキルを身に付けます。具体的には、Helmというパッケージ管理ツールを用いて、分析・バッチ実行環境・可視化など機械学習関係のシステムを複数構築し、実務に役立つ環境を整えていきます。
受講対象者
- 機械学習を用いたサービスを作りたい方
- アプリエンジニアとして、データエンジニアと連携する必要がある方
- これからデータエンジニアになりたい方
前提知識
- Kubernetesの基礎知識・使い方（DAY2修了レベル）
- Webアプリケーションの基礎知識
- Google Cloud Platformの基礎知識
事前準備
- ご自身のノートPC。Google Cloud Platformの登録と利用準備。gcloudコマンドとkubectlコマンドが利用できる状態まで事前に準備お願い致します。
その他準備は、お申し込み後、ご案内いたします。
カリキュラム
- Helm入門
- Helmを使ったシステム群構築
- CI/CD: Drone
- 分析環境: JupyterHub
- BI: Redash
- ワークフローエンジン: Digdag
- Istioを使ったシステムモニタリング
DAY4 <Kubeflow基礎講座>
概要
分析・学習・推論の３つの工程からなる機械学習システム。この3つをシームレスにつなげる、Kubernetesの機能をフル活用したKubeflowを取り上げ、分析から推論まで一気通貫した基盤を実際に構築します。
受講対象者
- 機械学習を用いたサービスを作りたい方
- アプリエンジニアとして、データエンジニアと連携する必要がある方
- これからデータエンジニアになりたい方
前提知識
- Kubernetesの基礎知識・使い方（DAY2修了レベル）
- Webアプリケーションの基礎知識
- Google Cloud Platformの基礎知識
事前準備
- ご自身のノートPC。Google Cloud Platformの登録と利用準備。gcloudコマンドとkubectlコマンドが利用できる状態まで事前に準備お願い致します。
その他準備は、お申し込み後、ご案内いたします。
カリキュラム
- MLOpsの流れ
- Kubeflowの構築
- TensorFlowの基礎
- Kubeflowを使った分析、分散学習、API提供
※カリキュラムは変更となる場合がございます。
開催日程
東京 第2期
日程調整中
場所：東京都千代田区神田三崎町3-3-20 VORT水道橋Ⅱ 5F
講師紹介
-
平塚 迪久慶應義塾大学理工学部システムデザイン工学科卒業。東京工業大学大学院総合理工学研究科修士課程終了。人材系サービス企業のグループ会社にて、日常消費領域においてデータを活用した機械学習系の基盤構築や運用、ウェブアプリケーションの開発やSRE業務などに携わっている。ワインが好き。
ご案内
PCの動作環境
- MacOSX 10.9 以上
- Windows 7 以上（64bit必須）
- メモリ8GB以上必須
※8GB未満でも受講して頂くことは可能ですが、大きなデータを扱う演習の際に不具合が発生する可能性があります。
メモリ不足が原因の不具合についてはサポートすることができませんので、あらかじめご了承ください。
※容量の大きなデータを課題で扱いますので、より高スペックが望ましいです。
当日の持ち物
ご自身のノートPC
※Wi-Fi環境はございますが、繋がりにくい場合はご自身のテザリングをご利用ください。
会場への入場
講義開始の10分前
よくあるご質問
講座についていけるか不安です
エンジニアを対象とした講座となります。Linuxコマンドの基礎知識は必須となります。また、機械学習モデルについての基本的な知識(スキルアップAIの機械学習講座修了レベル)があることが望ましいです。
具体的に必要なWebアプリケーションの知識はどれくらいですか？
Webアプリケーションの動作背景として、Webサーバーとアプリケーションサーバーの役割の違い、DNS・ロードバランシング・リバースプロキシ・コンテンツのキャッシュなどの仕組み、Linuxの基本的な使い方などがわかるレベルが望ましいです。（基本的な事項について講座内で取り扱うことはありません）
開催頻度はどれくらいですか？
年間2~3回程度を予定しています。
