機械学習モデルの構築は実験の繰り返しであり、データが変化する実ビジネス環境では、試行錯誤を自動化し、迅速にモデルを適応させることが重要です。また、試行錯誤の自動化と適切なログ管理がプロジェクトの成否に直結する重要な要素と言えます。
本ウェビナーでは、DataRobot、Papermill、MLflowを組み合わせて使用することで、機械学習の効率化とログ管理を両立させる方法についてご紹介します。さらに、AIアクセラレーターが提供するサンプルコードを使って、実際のシナリオを通じてこれらのツールの活用方法を詳しくご紹介します。
この様な方におすすめの内容です：
- 機械学習プロジェクトの効率化とログ管理に課題を抱えている方
- DataRobot、Papermill、MLflowの連携ご関心のある方
- データサイエンティスト、機械学習エンジニア
講演者
濱上 大基（Hiroki Hamagami）