Machine Learning Operations - Japanese

このコースでは、機械学習のためのデータを Databricks を使って準備するための基礎に焦点を当てます。受講者は、従来の機械学習アプリケーション向けに調整されたデータの探索、クリーニング、および整理に必要なスキルを学びます。主なトピックには、データの視覚化、特徴量エンジニアリング、最適な特徴量ストレージ戦略などがあります。受講者は、実践的な演習を通じて、Databricks 内で機械学習用のデータセットを効率よく準備するための実地体験を積むことができます。このコースは、アソシエイトレベルのデータサイエンティストおよび機械学習の担当者向けに設計されており、さらに、データ準備に関する自らの習熟度を高め、機械学習モデルのデプロイメントのための強固な基盤を確立したいと考えている個人にも適しています。

Languages Available: English | 日本語 | Português BR

このコースでは、3 つの主要な機械学習展開戦略について紹介し、それぞれの戦略を Databricks に実装する方法を説明します。このコースでは、モデル展開の基礎を探った後にバッチ推論について掘り下げ、バッチ推論シナリオでモデルを活用するための実践的なデモンストレーションとラボ、およびパフォーマンスの最適化に関する考慮事項について説明します。このコースの第2部ではパイプラインの展開について包括的に説明し、最後のセクションではリアルタイムの展開に焦点を当てます。受講者は実践的なデモンストレーションとラボに参加し、モデルサービングを使ってモデルをデプロイして、サービング エンドポイントを利用してリアルタイム推論を行います。

Languages Available: English | 日本語 | Português BR

この包括的なコースでは、人気の ML ライブラリを使用した実践的なデモンストレーションとワークフローに重点を置き、Databricks で従来の機械学習モデルを開発するための実践的なガイドを提供します。このコースでは、AutoML と MLflow を使用した一般的なタスクの効率的な実行に焦点を当てます。受講者は、回帰モデルと分類モデル、モデル トレーニングを追跡するための Databricks 機能の活用、モデル開発のための Feature Store の活用、ハイパーパラメーター チューニングの実装などの主要なトピックを掘り下げます。さらに、このコースでは迅速でローコードなモデルトレーニングに向けた AutoML についても説明し、Databricks 環境において合理的かつ効果的な機械学習モデル開発を行うための実践的なスキルを受講者が習得できるようにします。

Languages Available: English | 日本語 | Português BR