fta-azure-machine-learning/enterprise-ml-JPN

Azure Machine Learning 構築 & 運用管理 Live event

本セッションでは Azure Machine Learning を構築し運用管理するための基礎知識を紹介した上で、考慮ポイントやベストプラクティスについて解説します。

アジェンダ

	セクション	トピック	概要
00.	導入		セッションの概要について説明します。
01.	イントロダクション		本題に入る前に Azure ML の基本的な機能を説明します。 - 説明スライド
		機械学習サービスの選択	Azure から提供されるさまざまな機械学習サービスを紹介します。
		Azure ML 基本	Azure ML を構成するコンポーネントや関連サービス、またワークスペースの構成について説明します。
02.	システム設計 & 構築		インフラの観点で構築・運用に必要なポイントを説明します。 - 説明スライド
		計算リソース	モデル学習や推論で用いる計算環境について説明します。
		データソース	モデル学習やバッチ推論で利用するデータの保存方法や運用方法について説明します。
		ネットワーク構成	仮想ネットワークをセキュアな構成について説明します。
		認証認可	各サービスへの認証方法、ロール設定について説明します。
		データ保護	データの暗号化について説明します。
		システム監視	インフラ環境を監視する方法を説明します。
		監査ポリシー	仮想ネットワーク、プライベートエンドポイントを利用したネットワークセキュリティについて説明します。
		コスト管理	コストの考え方や抑制方法について説明します。
		データ保護	暗号化、フェイルオーバー、災害復旧について説明します。
03.	アプリケーション設計 & 構築		モデル学習、推論の実装やライフサイクル全体の運用管理で必要なポイントについて説明します。 - 説明スライド
		開発環境と言語・フレームワーク	データサイエンティストの開発環境や利用する言語・フレームワークについて説明します。
		モデル学習	効率的にモデル学習の実装方法について説明します。
		アセット管理	データ、モデル、環境などのアセット管理と実験追跡について説明します。
		MLOps	MLOps の考え方や成熟度モデルについて説明します。
		責任のあるAI	機械学習の説明性や公平性について説明します。

各セクションの構成

📖 基礎知識
基本的な Azure ML の機能や一般的な技術について説明します。

🤔 検討事項
設計や実装で必要となる検討事項について説明します。

✏️ ガイドライン・実装手順
一般的な推奨事項や実装・構築手順について説明します。

💡 Tips
その他便利な機能や技術を紹介します。

Contributors

Special thanks to Microsoft Japan CSA AI team for sharing useful slides and information.

Change History

2022/04/27 created by Keita Onabuta

Roadmaps

コンテンツ

システム設計 & 構築

• Azure Arc トピック追加

アプリケーション設計 & 構築

• デプロイ・推論環境のセクション新規作成
• MLOps コンテンツの拡充
• 責任のある AI コンテンツの拡充

Web ページ

• パワーポイント資料から Markdown ベースの静的サイトへの移行
• English バージョンのリリース