AI500

コースの説明

Red Hat がお客様のイノベーションをサポートするために使用している実証済みのオープンな組織文化とプラクティスを通じて、MLOps の可能性を体験できます。

• MLOps Practices with Red Hat OpenShift AI (AI500) は 5 日間の参加型クラスで、参加者は MLOps の導入プロセスを体験し、導入する機会を得ることができます。多くの AI またはデータサイエンスのトレーニングプログラムは、特定のフレームワークやテクノロジーに焦点を当てていますが、このコースでは、完全な MLOps ワークフローにおいて最高のオープンソースツール群がどのように機能するかについて説明します。継続的ディスカバリー、継続的トレーニング、継続的デリバリーを組み合わせて、実際の機械学習シナリオをシミュレートする極めて魅力的な体験を提供します。
• 学習目標を達成するために、組織全体から複数の職種の方々が参加する必要があります。データサイエンティスト、機械学習エンジニア、プラットフォーム・エンジニア、アーキテクト、そしてプロダクトオーナーが、従来のサイロを超えて連携する経験を得ることができます。実際の提供チームの日常業務をシミュレートし、さまざまな部門のチームがコラボレーションによってイノベーションを生み出す方法を学びます。共通の経験とベストプラクティスを得ることで、チームは学んだことを適用できるようになり、新しいプロジェクトを進め、プロセスの改善を推進する中で、組織の文化とミッションを成功へと導いていけるようになります。
• このコースは Red Hat OpenShift AI、Red Hat OpenShift GitOps、予測 AI に基づいています。

学習内容サマリー

• このコースでは、予測型インテリジェント・アプリケーションのユースケースを、アイデア形成から内部ループによる実験、プロダクションまで、エンドツーエンドのプロセスで学べます。また、さまざまなペルソナが単一のプラットフォーム上でシームレスにコラボレーションできます。
• このコースでは、文化に関するプラクティスと技術に関するプラクティスを融合して、独自の非常に魅力的な体験を提供し、実際のアプリケーションも数多く扱います。MLOps プラクティスについて学ぶとともに、複数のプラクティスを相互に構築することで、チームの連携と提供の効率を向上させる方法について学習します。
• ほとんどの AI トレーニングは特定のフレームワークやテクノロジーに焦点を当てています。このコースでは最高のオープンソースツールを組み合わせ、プロダクション環境で AI モデルを確実かつ効率的に構築、デプロイ、維持するためにそれらがどのように適合するかを体験できます。

コース対象者

さまざまな職種の個人が共通の目標を共有し、それに向けて連携して取り組むことで、優れた成果を達成してイノベーションを促進する必要があります。このコースではそれを体験できます。

これは次のような方々にとって特に有益です。

• MLOps プラットフォームのユーザー：データサイエンティスト、データエンジニア、アプリケーション開発者。
• MLOps プラットフォーム・プロバイダー：機械学習エンジニア、MLOps エンジニア、プラットフォーム・エンジニア
• MLOps プラットフォームのステークホルダー：アーキテクト、IT マネージャー。

このシナリオには、機械学習システムの操作に関する技術的な側面が組み込まれており、これらの職種の方々がどのように連携できるかについての実用的なインサイトを提供します。

新しいモデルの市場投入を加速し、お客様に継続的に価値を提供する方法を習得できます。インストラクターが、Red Hat サービスのエンゲージメントでお客様と直接やり取りして学んだ経験とベストプラクティスを共有します。

受講の前提条件

• 無料のスキルチェックでこのコースが自分のスキルに適切かどうかを確認してください
• Containers, Kubernetes and Red Hat OpenShift Technical Overview (DO080) を受講済み、または OpenShift/Kubernetes とコンテナの基本を理解していることが推奨されます。
• AI や Red Hat AI Foundations に関する高度な知識があると役立ちます

学習内容

MLOps とは

ML モデルの開発とデプロイに向けて、MLOps モデルを構成する原則、手法、文化的要素についてブレインストーミングを行い、調査します。

内部ループ

モデルの実験と構築に必要なツールを理解します。ワークベンチを作成し、データセットを調べ、実験の追跡を開始し、モデルをデプロイします。

トレーニングパイプライン

モデルトレーニングをプロダクション環境に移すために、前の手順の自動化へと進みます。

外部ループ

MLOps の概要：機械学習ワークフローとデプロイを自動化および単純化する一連のプラクティス。
ここでは、継続的トレーニングパイプライン、自動デプロイメント、サポートツールが実行される MLOps 環境を作成します。

監視

機械学習モデルは、データパターンの変更、ユーザーの行動の変化、外部条件の変化など、さまざまな要因の影響を受ける可能性があります。継続的な監視を実装することで、これらの変更をプロアクティブに特定し、モデルの精度への影響を評価し、最適なパフォーマンスを維持するために必要な調整を行います。

データバージョン管理

時間の経過とともに変化するデータセットのバージョン管理を導入して、トレーサビリティを向上させます。

高度なデプロイ

データと予測の前処理および後処理を適切に実行し、負荷を処理する自動スケーリングを検討し、カナリアデプロイやブルー/グリーンデプロイなどの高度なデプロイパターンを導入して、モデルの安全でシームレスなロールアウトを確保します。

機能ストア

データ機能とその変更を処理する堅牢な方法であり、トレーニングと提供の間で機能が同種であることを確認します。

セキュリティ

自動化されたセキュリティ防護機能を実装して、組織のセキュリティプラクティスに準拠した状態を維持し、それをモデルに拡張します。

組織にとっての効果

• 多くの企業は、現在の組織構造と機械学習へのアプローチでは、AI を活用した変革の成果、つまり、モデルの迅速なデプロイメント、フィードバックループによる継続的な改善、ユーザーのニーズに合わせたソリューションを提供する準備ができていないことを認識しています。これらの目標を達成するためには、MLOps の原則と手法を導入して実践し、コラボレーション、自動化、ライフサイクル管理を AI ワークフローに統合する必要があります。
• このコースでは、実際の MLOps 文化の原則と先進的なプラクティスを紹介します。Red Hat OpenShift および Red Hat OpenShift AI、その他の業界標準 MLOps ソフトウェア、ツール、テクニックを使用して、予測機械学習モデルを開発します。このコースを修了すると、MLOps の原則を適用し、オープンソース・ソリューションを活用して、組織内の AI トランスフォーメーションの取り組みを推進および先導するスキルが身に付きます。

個人にとっての効果

このコースを受講すると、MLOps 文化を体験し、MLOps プラクティスを確認し、機械学習モデルをプロダクションに移行するために学習内容を活用できます。このコースを修了すると、次のことができるようになります。

• MLOps の原則を適用して、機械学習モデルの開発とデプロイを効率化する。
• 内部ループの開発から外部ループの運用まで、ライフサイクル全体をカバーする、先進的なツールとプロセスの実際の使用経験を身に付ける。
• ペアプログラミングやモブプログラミング形式といったコラボレーティブなコーディングスタイルのスキル強化を達成する。