このコースでは、Google Cloud で最先端の ML パイプラインに携わっている ML エンジニアおよびトレーナーたちから知識を吸収することができます。 最初のいくつかのモジュールで、ML パイプラインとメタデータの管理用 TensorFlow を基盤とする Google の本番環境向け機械学習プラットフォーム TensorFlow Extended(TFX)について説明します。パイプラインのコンポーネントについて、そして TFX を使用したパイプラインのオーケストレーションについて学習します。また、継続的インテグレーションと継続的デプロイを通じたパイプラインの自動化の方法と、ML メタデータの管理方法についても学習します。その後、焦点を変えて、TensorFlow、PyTorch、Scikit Learn、XGBoost などの複数の ML フレームワーク全体にわたる ML パイプラインの自動化と再利用の方法について説明します。 さらに、Google Cloud のもう 1 つのツール、Cloud Composer を継続的なトレーニング パイプラインのオーケストレーションに活用する方法についても学習します。最後は、MLflow を使用して機械学習の完全なライフサイクルを管理する方法の解説で締めくくります。
Overview
Syllabus
- はじめに
- このモジュールではコースの概要を説明します。
- TFX パイプラインの紹介
- このモジュールでは、TensorFlow Extended(TFX)を紹介し、TFX のコンセプトとコンポーネントについて説明します
- TFX によるパイプライン オーケストレーション
- このモジュールの内容
- TFX パイプラインのカスタム コンポーネントと CI / CD
- このモジュールの内容
- TFX におけるメタデータ
- このモジュールでは、アーティファクト管理のための TFX メタデータの活用について説明します。
- 複数の SDK、KubeFlow および AI Platform Pipelines を使用した継続的なトレーニング
- このモジュールでは、複数の SDK、KubeFlow および AI Platform Pipelines を使用した継続的なトレーニングについて説明します。
- Cloud Composer を使用した継続的なトレーニング
- このモジュールでは、Cloud Composer を使用した継続的なトレーニングについて説明します。
- MLflow を使用した ML パイプライン
- このモジュールでは、MLflow とそのコンポーネントを紹介します。
- まとめ
- このモジュールでは、本コースで取り上げた内容を振り返ります
Taught by
Google Cloud Training