ガバナンスは、設計・開発・運用といったMLプロジェクトのライフサイクル全体にわたって関与することを学びました。
これら各段階では、MLガバナンスの枠組みに準拠するために、異なる質問に答える必要があります。
それぞれの質問がどのプロジェクト段階に対応するか、結び付けられますか？
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
この章では、デプロイとライフサイクルに重要なMLOpsの原則とフレームワーク要素を高い視点から概説します。
この章では、運用段階でスムーズに進められるよう、開発段階から考慮すべきポイントを取り上げます。 最終目標は、MLOpsのベストプラクティスに沿ってモデルを学習し、デプロイの容易さ、再現性、デプロイ後の監視を可能にするモデルパッケージを作る方法を説明することです。
この章では、重要なモデル運用の疑問に取り組みます。例えば： - モデルを提供する方法にはどんな種類がありますか？ - APIとは何で、その主要な機能は何ですか？ - エンドユーザーに公開する前に、サービスをどのように徹底的にテストしますか？ - 本番環境でサービスを止めずにモデルをどのように更新しますか？ バッチ予測、リアルタイム予測、入出力データのバリデーション、ユニットテスト、結合テスト、カナリアデプロイなど、さまざまなテーマを学びます。
最終章では、デプロイ後のMLサービスの監視と保守、そしてモデルガバナンスに焦点を当てます。 検証レイテンシ、共変量シフト、コンセプトドリフト、人間参加型（human-in-the-loop）システムなど、重要な概念を取り上げます。
現在の演習
