Machine Learning with Databricks - Japanese

「Databricks を使った機械学習」へようこそ！

このコースは、Databricks での機械学習workflowsを習得するための第一歩です。専門の講師陣の指導のもと、データ準備、モデル開発、デプロイ、運用について深く学びます。Databricks に特化したデータ探索、モデルトレーニング、デプロイ戦略に必要なスキルを習得しましょう。コース修了時には、Databricks Platform上で機械学習のライフサイクル全体を円滑に進めるための知識と自信が身につき、堅牢な機械学習ソリューションを効率的に構築・デプロイできるようになります。

機械学習のためのデータ準備

本コースでは、Databricks を使用した機械学習向けデータ準備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データを探索、クリーニング、整理するための必須スキルを習得します。主なトピックには、データ可視化、特徴量エンジニアリング、および最適な特徴量保存戦略が含まれます。実践的な演習を通じて、参加者はDatabricks内で機械学習用のデータセットを効率的に準備する実践的な経験を積むことができます。本コースは、アソシエイトレベルのデータサイエンティストや機械学習の実務者、およびデータ準備のスキルを向上させ、機械学習モデルの導入を成功させるための強固な基盤を築きたいと考えている方を対象としています。

機械学習モデルの開発

この包括的なコースでは、Databricks上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、一般的なMLライブラリを用いたハンズオン演習やworkflowsに重点を置いています。受講者は、Databricksの強力な機能を活用しながら、回帰分析やクラスタリングを含む主要な機械学習手法について学びます。本コースでは、モデル追跡のためのMLflowの統合、特徴量管理のためのDatabricks Feature Store、ハイパーパラメータ調整のためのOptunaについて解説します。さらに、Databricks AutoMLを使用してモデルトレーニングを高速化する方法についても学びます。コース終了時には、Databricks環境において機械学習モデルを効率的に開発、最適化、デプロイするための実践的なスキルを習得できます。

機械学習モデルのデプロイ

本コースでは、3つの主要な機械学習デプロイ戦略を紹介し、Databricks における各戦略の実装方法を解説します。モデルデプロイの基礎を学んだ後、バッチ推論について詳しく掘り下げ、バッチ推論シナリオでのモデル活用に関する実践的なデモンストレーションや実習に加え、パフォーマンス最適化のための考慮事項についても解説します。コースの後半ではパイプラインデプロイを包括的に扱い、最後のセクションではリアルタイムデプロイに焦点を当てます。受講者は、実践的なデモンストレーションや実習を通じて、Model Serving を使用したモデルのデプロイや、リアルタイム推論のためのサービングendpointの活用について学びます。

機械学習運用（MLOps）

本コースでは、MLOpsとモデルライフサイクル管理に焦点を当て、機械学習モデルの運用について包括的に解説します。前半では、MLOpsの主要な構成要素とベストプラクティスを扱い、機械学習モデルを効果的に運用するための強固な基礎を築きます。後半では、モデルライフサイクルの基礎を深く掘り下げ、効率的なモデル管理のために「Model Registry」と「Unity Catalog」を連携させて、ライフサイクルを円滑に管理する方法を実演します。コース終了時には、受講者はMLOpsの原則に関する実践的な知見と包括的な理解を深め、機械学習モデル運用という複雑な領域を円滑にナビゲートするために必要なスキルを身につけることができます。

Languages Available: English | 日本語 | Português BR | 한국어