直前の動画では、探索的データ分析（EDA）の各ステップと、それがMachine Learningライフサイクルをうまく回すための前提条件として重要であることを学びました。ここでは、EDAが含む目的を思い出しながら、理解度を確認しましょう。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この最初の章では、あらゆる Machine Learning プロジェクトの基礎となる段階に取り組みます。エンドツーエンドの Machine Learning のユースケース設計、探索的データ分析、そしてデータ前処理です。章の終わりには、ユースケースの構想から、後続の処理やモデル学習に向けたデータ準備まで、Machine Learning プロジェクト初期の流れをしっかり理解できるようになります。
現在の演習
この章では、モデルの学習と評価という本質的なプロセスを深く掘り下げます。特徴量エンジニアリング、モデル学習、実験のログ記録、モデル評価といった観点に焦点を当てた、全4つのレッスンで構成されています。
この章では、Machine Learning ライフサイクルにおいて重要な段階であるモデルのデプロイに焦点を当てます。テストから始め、アーキテクチャ要素へと進み、特に Feature Store と Model Registry を取り上げます。続いて、パッケージングとコンテナ化を扱い、最後に継続的インテグレーションと継続的デプロイ（CI/CD）の概要で締めくくります。
最終章では、Machine Learning ライフサイクルの重要な段階であるモデルのモニタリングについて、実務上の要点を体系的に学びます。
