Amazon Web Services ブログ
機械学習モデルの開発環境を構築する方法について解説する動画を公開しました！
「ML Max!」
ということで、今週も機械学習の価値を最大化するための解説動画、ML Enablement Series (※)の、
機械学習モデルの開発環境を構築する【ML-Light-02】【AWS Black Belt】
を公開しました。
※ ML Enablement Series とは、機械学習プロダクトにかかわる全ての人向けの機械学習の知識をお届けする Light パートと、機械学習のマネージドサービスを活用して MLOps を推進したいエンジニア向けの Dark パート から構成されており、週１回を目安に Light と Dark を交互に配信中
今回は Light パートの 第 2 回目として、機械学習モデルを開発する環境の構築する方法と、プロダクション利用を見据えた DevOps の人と合意を取ることの解説をしています。
環境の構築では例として、 Amazon SageMaker Studio Lab 上で conda を利用した仮想環境の構築方法の紹介…、だけにとどまらずなんと Python の仮想環境ツールの歴史や特徴などについても触れています。
コミュニケーション演習では、作った環境（もしくは作ろうとしている環境）を本当に使っていいのか、社内の関係者と合意を取るための振る舞いについて解説しています。ライブラリのバージョンや使っているバージョン管理ツールなど、本当に使っていいのか、そもそも使えるのか、などの確認コミュニケーションについて解説しています。
ぜひ、詳しい方は復習に、駆け出しの方は勉強にご視聴いただけると幸いです。
今回の 動画 は AWS BlackBelt オンライン ML Enablement シリーズのYouTubeの再生リストに追加しています。こちらもご利用ください。
AWS Black Belt Online Seminar 全体の資料はこちらにあります
プレゼンテーション作成およびスピーカーは機械学習のDeveloper Relationsの久保が、本記事は機械学習ソリューションアーキテクトの呉が担当しています。
これまでの「ML Enablement Series」