円滑なMLOpsを実現するための
基礎知識を習得

MLOps講座

MLOps成功の鍵

機械学習システムの特徴を
座学とハンズオンでしっかり把握

MLOpsとは、機械学習を意味するMLと、運用を意味するOperationsを組み合わせた造語であり、より良い機械学習システムを実現するための新しい技術領域です。近年、機械学習を取り入れたサービスが増えるにつれ、機械学習システムを構築する機会も増えてきました。機械学習システムには、通常のシステムとは異なる部分があるため、機械学習システムを構築する際には、その特徴をよく理解しておく必要があります。
機械学習システムにおいて、特に重要な点は、「継続的トレーニング」、「推論器のCI/CD」、「学習パイプラインのCI/CD」の3つです。本講座では、座学とハンズオンを通じて、これらを実現するための技術を学びます。

小縣信也

兵庫県出身。大阪市立大学工学部卒業後、建材メーカー、設備設計事務所に勤務。2010年、OpenFOAM勉強会for beginner(現オープンCAE勉強会＠関東)を立ち上げ3年間幹事を務める。建築環境に関する数値シミュレーション、電力量や温湿度などのセンサーデータに関する分析が専門。1級建築士、エネルギー管理士。2013年、国土交通省国土技術政策総合研究所優秀技術者賞受賞。日本ディープラーニング協会主催2018E資格試験優秀賞受賞、2019#1E資格試験優秀賞受賞。最近は、需要予測や異常検知などのモデル開発に取り組んでいる。著書「徹底攻略ディープラーニングE資格エンジニア問題集」（インプレス）。

スキルアップAIの
MLOps講座が選ばれる理由

MLOpsの全体像を
つかむことができる

概論にとどまらず、環境構築から推論器の開発、機械学習システムの運用・品質管理まで、実践に即した全体像をつかめます。
充実のハンズオン

ほとんどの章にハンズオンまたはワークを用意。Docker、Kubernetesを使い、学んだ内容を手を動かしながら身につけることができます。
必要な知識を効果的に学べる
体系的なカリキュラム
本編実装編
第1章 MLOps入門

機械学習システムとは

DevOps

など全3トピックス
第2章 Docker入門

Docker の基礎

[ハンズオン] Dockerfile によるイメージの作成

など全7トピックス
第3章 Kubernetes入門

Kubernetes とは

Kubernetes 登場の背景

など全5トピックス
第4章モデル開発

モデル開発におけるMLOps

モデル開発におけるバージョン管理

など全5トピックス
第5章推論器の作成

学習環境と推論環境の違い

推論器とは

など全5トピックス
第6章推論システムの開発

用語の確認

推論システムの設計パターン

など全3トピックス
第7章機械学習システムの運用

機械学習システムにおける運用業務

推論システムにおいて発生する異常へ備える手順

など全5トピックス
第8章機械学習システムの品質管理

機械学習システムの品質

推論システムの品質を管理するためのパターン

など全3トピックス
※カリキュラムは変更となる場合がございます。
第9章ケーススタディ

実装編機械学習モデルの CI/CD

実装編 GCPを用いた学習パイプラインの構築

実装編 AWSを用いた学習パイプラインの構築

など全4トピックス
※カリキュラムは変更となる場合がございます。
続きを見る

データサイエンスチームが
劇的に加速する

モデルの開発、テスト、デプロイ、本番運用、評価を一貫したプロセスで実施するノウハウを身につけて、AIプロジェクトを推進しましょう。まずは無料トライアルで、スキルアップAIのMLOps講座を体験してみませんか。

今すぐ無料トライアル

法人研修の場合は、日程・会場・内容のカスタマイズが可能です。お気軽にご相談ください。

得られる知識

機械学習システムにおける
CI/CD/CT の考え方

継続的インテグレーション（CI）、継続的デリバリー（CD）、継続的トレーニング（CT）のエッセンスを学び、これらを実現するための技術を身につけられます。
機械学習システムの
開発パターン

機械学習システムの運⽤と品質管理に関する知識が身につきます。
MLOps環境の知識

アプリケーション構築環境Docker、アプリケーション管理基盤のKubernetes、機械学習のライフサイクルを管理するMLflowなどを使い、MLOpsを実践するための環境の知識が身につきます。

個人受講者のコメント

体系的にMLOpsを学習でき、全体的に消化不良は少なく大変満足できました。教材も分かりやすく、見直しやすい内容だったので良かったです。
モデル作成後の運用イメージやlog収集方法を確認することができました。講義のレベルも高く、実際の推測器作成に関してコードベースで具体的な説明があったので、理解しやすかったです。

講座概要

講座名	MLOps講座
前提スキル	必須スキルエンジニアターミナルおよびコマンドプロンプトの基礎的な操作方法 (機械学習のためのソフトウェアエンジニア入門講座修了相当) Pythonの基礎的な文法と主要なライブラリに関する知識 (機械学習のためのPython入門講座修了相当) 機械学習アルゴリズムの基礎知識＋実装経験 (現場で使える機械学習・データ分析基礎講座修了相当) 推奨スキルディープラーニングの基礎知識 (現場で使えるディープラーニング基礎講座修了相当) クラウドプラットフォームが提供する機械学習系サービスの利用経験 (機械学習クラウド講座修了相当)
受講形式	オンライン講座：eラーニング形式お好きな時間、お好きな場所でeラーニング形式にて受講いただけます。
講座時間	動画講義約8時間
料金	275,000円／1名（税込）
料金に標準で含まれるもの	動画講義講座資料ソースコードチャット質問対応
動画の視聴期間	動画共有日から1年間
チャットの質問期間	講座チャンネルへの招待日から3ヶ月間
PCの動作環境	* MacOSX 10.10 以上 * Windows 10 以上かつ、Windows Subsystem for Linux（WSL）とPowerShellを利用できること * メモリ8GB以上必須本講座では、下記の環境構築をお願いしております。環境の構築方法は、受講時にご案内します。 * conda * Kubernetes * Docker