|
学習内容
|
1. 分野 1: 機械学習 (ML) のためのデータの準備
- 1.1: データを取り込んで保存する
- 1.2: データを変換し、特徴量エンジニアリングを実行する
- 1.3: データの整合性を確保し、モデリング用のデータを準備する
2. 分野 2: ML モデル開発
- 2.1 モデリングアプローチを選択する
- 2.2 モデルをトレーニングして改良する
- 2.3 モデルパフォーマンスを分析する
3. 分野 3: ML ワークフローのデプロイとオーケストレーション
- 3.1: 既存のアーキテクチャと要件に基づいてデプロイインフラストラクチャを選択する
- 3.2: 既存のアーキテクチャと要件に基づいてインフラストラクチャの作成とスクリプティングを行う
- 3.3: 自動オーケストレーションツールを使用して、継続的インテグレーションと継続的デリバリー (CI/CD) パイプラインを設定する
4. 分野 4 のタスクステートメント
- 4.1: モデル推論をモニタリングする
- 4.2: インフラストラクチャとコストのモニタリングと最適化を行う
- 4.3: AWS リソースを保護する
|