MLOpsの学習リソース【CourseraやGitHubを活用する】

Uncategorized

MLOpsの幅広いワークフロー

MLOpsでは、

  • 課題の定式化
  • プロジェクトのコスト見積もり
  • データ収集
  • データの前処理
  • データ分析
  • 機械学習のモデル学習
  • モデル評価

から

  • モデルデプロイ
  • モデルモニタリング
  • モデルの更新(改善)

などに至るまで、多くの工程があります。

それぞれの要素について、個々に学習するためのリソースはこれまでも多くありました。

近年、MLOPSという考え方が知られるにつれ、上記ワークフローの多くの部分をまとめて取り扱う学習リソースが複数出てきています。
ここではそのいくつかを紹介します。

様々な学習リソース

MLOps (Machine Learning Operations) Fundamentals

MLOps (Machine Learning Operations) Fundamentalsは、世界的に知られている学習プラットフォームCourseraのコースです。Google Cloudが提供しています。

このコースでは、MLOpsの視点から、機械学習のプロジェクトについて、評価やデプロイ、モニタリングなど幅広いワークフローを学習できます。
このコースを通して、Google Cloudをベースにした機械学習システムの運用を知ることができます。

Google Cloudは、Googleがクラウドコンピューティングとして提供している、様々なソフトウェアやハードウェアです。

このコースは、

  • MLOpsの基礎
  • いつ、なぜMLOpsが必要なのか
  • Kubernetes構成
  • AIプラットフォームのパイプライン
  • AIプラットフォームでの訓練、チューニング、サービング
  • AIプラットフォームでのKubeflowのパイプライン

などについて学ぶことができます。
英語のコースですが、Google Cloudの公式サイトは、日本語で確認できるページも多いため、比較的取り組みやすいと思います。

Full Stack Deep Learning

Full Stack Deep Learningは、主にディープラーニングを使用したMLOps、について学ぶことができるコースです。

  • ディープラーニングの基礎
  • ニューラルネットワークをプログラミング
  • 畳み込みニューラルネットワーク(CNN)
  • コンピュータビジョン
  • 回帰型ニューラルネットワーク(RNN)
  • 機械学習プロジェクトのライフサイクル
  • コンピューティングとGPU
  • 実験のマネジメント
  • 訓練とデバッグ
  • CI(継続的インテグレーション)とテスト

など非常に幅広い領域について知ることができます。

などの教材が豊富です。

Awesome MLOps

Awesome MLOpsは、GitHubで公開されているMLOpsに活用できる情報が集約されたサイトです。

  • MLOpsのコア技術やコンセプト
  • MLOpsコミュニティ
  • MLOps書籍
  • MLOpsのWeb記事
  • MLOpsワークフロー管理
  • モデルのデプロイとサービング
  • MLOps関連論文

などの視点から、役立つ情報がまとまっています。

MLOpsについて、あらゆる角度からの情報が集約されているので、

  • MLOpsのコア技術やコンセプトをまず確認する
  • 他のMLOpsリソースを使って学習を進め、気になったキーワードやコンセプトがあった時に、Awesome MLOpsサイトで関連リソースがないか確認する
  • MLOpsに関する疑問、不明点などを解消するための辞書として使用する

など、様々な活用方法が考えられます。

日本語の学習リソース

日本語で確認できるリソースもあります。

日本語のリソースに限っても、

  • MLOpsの基本
  • MLOpsワークフローの特定の工程の説明
  • MLOpsのための、有料 / 無料ツール
  • MLOpsとビジネス / 経済

など多様な記事があります。

Microsoftは、MLOpsを使用して機械学習のライフサイクルを開始する、という学習コースを公開しています。

MLOpsの日本語解説記事に加え、

  • MLOpsに関するクイズ
  • 日本語字幕付き解説動画

なども参照できます。

気になる要素から着手するという方法も

ここまで紹介してきたように、MLOpsの学習リソースは、英語、日本語で多くあります。

  • MLOps (Machine Learning Operations) Fundamentals
  • Full Stack Deep Learning

などを活用して、MLOps全体を理解するという方法は有効かと思います。
また、MLOpsのワークフローについて、興味がある特定の領域、例えば、

  • 訓練とデバッグ
  • モデルデプロイ

などから着手する、という方法もあります。その場合は、Awesome MLOpsでの検索が選択肢になると思います。

MLOpsのワークフローは、

  • 課題の定式化といったビジネスサイド
  • データ分析や機械学習モデルの訓練などのサイエンス
  • モデルのデプロイやサービングなどのエンジニアリング

というように多様な要素や工程があります。

MLOpsのワークフローで興味深い要素が見つかるかもしれません。
MLOpsの学習リソースを試してみるのもいいのではないでしょうか。

コメント

タイトルとURLをコピーしました