機械学習 (ML) モデルは単独では動作しません。価値を提供するには、既存の実稼働システムとインフラストラクチャに統合する必要があり、設計と開発中に ML ライフサイクル全体を考慮する必要があります。 MLOps として知られる ML 運用は、ML モデルのライフサイクル全体にわたる合理化、自動化、監視に重点を置いています。堅牢な MLOps パイプラインを構築するには、部門を超えたコラボレーションが必要です。データ サイエンティスト、ML エンジニア、IT スタッフ、DevOps チームは、調査から展開、メンテナンスまでモデルを運用できるように協力する必要があります。適切なプロセスとツールを使用すると、MLOps を使用すると、組織はチーム全体に ML を確実かつ効率的に導入できます。
継続的インテグレーションおよび継続的デリバリー (CI/CD) パイプラインの要件は固有であり、各組織のニーズを反映している場合がありますが、開発プロセスを加速し、未差別の重労働を取り除くことができるマネージド オーケストレーションとツールを使用することで、チーム全体での MLOps 実践のスケーリングを簡素化できます。 。
Amazon SageMaker MLOps は、次のような機能スイートです。 AmazonSageMakerプロジェクト (CI/CD)、 AmazonSageMakerパイプライン および Amazon SageMaker モデルレジストリ.
SageMakerパイプライン ML ワークフローの簡単な作成と管理を可能にすると同時に、ワークフロー ステップのストレージ機能と再利用機能も提供します。の SageMakerモデルレジストリ モデル追跡を一元化し、モデルの導入を簡素化します。 SageMaker プロジェクト 環境のパリティ、バージョン管理、テスト、自動化などの CI/CD プラクティスを ML に導入します。これにより、ML 環境での CI/CD の迅速な確立が可能になり、企業全体での効果的なスケーラビリティが促進されます。
ビルトイン プロジェクトテンプレート により提供さ アマゾンセージメーカー オーケストレーション用の Jenkins やソース管理用の GitHub など、一部のサードパーティ ツールとの統合が含まれており、いくつかは AWS ネイティブ CI/CD ツールを利用しています。 AWS コードコミット, AWS コードパイプライン, AWS コードビルド。ただし、多くのシナリオでは、顧客は SageMaker Pipelines を他の既存の CI/CD ツールと統合し、カスタム プロジェクト テンプレートを作成したいと考えています。
この投稿では、次のことを実現するための段階的な実装を示します。
- GitHub および GitHub Actions と統合するカスタム SageMaker MLOps プロジェクト テンプレートを作成する
- カスタム プロジェクト テンプレートを次の場所で利用できるようにします。 Amazon SageMakerスタジオ ワンクリックプロビジョニングによるデータサイエンスチーム向け
ソリューションの概要
この記事では、次のアーキテクチャを構築します。データの準備、モデルのトレーニング、モデルの評価、トレーニングされたモデルの SageMaker モデル レジストリへの登録のステップを含む自動モデル構築パイプラインを作成します。結果として得られるトレーニング済み ML モデルは、手動による承認に基づいて、SageMaker モデル レジストリからステージング環境および運用環境にデプロイされます。
完全な構成を理解するために、このアーキテクチャの要素を詳しく調べてみましょう。
GitHub と GitHub アクション
GitHub は、Git を使用したバージョン管理とソース コード管理を提供する Web ベースのプラットフォームです。これにより、チームがソフトウェア開発プロジェクトで共同作業し、変更を追跡し、コード リポジトリを管理できるようになります。 GitHub は、ML コード ベースを保存、バージョン管理、管理するための一元的な場所として機能します。これにより、ML コードベースとパイプラインがバージョン管理され、文書化され、チーム メンバーがアクセスできるようになります。
GitHubアクション は、GitHub エコシステム内の強力な自動化ツールです。コードの構築、テスト、デプロイなどのソフトウェア開発ライフサイクル プロセスを自動化するカスタム ワークフローを作成できます。コードがリポジトリにプッシュされたときやプル リクエストが作成されたときなど、特定のイベントによってトリガーされるイベント駆動型のワークフローを作成できます。 MLOps を実装する場合、GitHub Actions を使用して、次のような ML パイプラインのさまざまなステージを自動化できます。
- データの検証と前処理
- モデルのトレーニングと評価
- モデルの導入と監視
- ML モデルの CI/CD
GitHub Actions を使用すると、ML ワークフローを合理化し、モデルの構築、テスト、デプロイが一貫して行われるようにすることができ、より効率的で信頼性の高い ML デプロイにつながります。
次のセクションでは、このアーキテクチャの一部として使用するいくつかのコンポーネントに関連する前提条件を設定することから始めます。
- AWS CloudFormation – AWS CloudFormation トレーニングされたモデルの承認によってモデル デプロイメント パイプラインがアクティブ化された後、モデル デプロイメントを開始し、SageMaker エンドポイントを確立します。
- AWS CodeStar接続 - を使用しております AWS コードスター GitHub リポジトリとのリンクを確立し、SageMaker Studio などの AWS リソースとのコード リポジトリ統合として利用します。
- アマゾンイベントブリッジ – アマゾンイベントブリッジ モデル レジストリに対するすべての変更を追跡します。また、モデル パッケージのバージョンのステータスが変更されたときに、Lambda 関数にモデル パイプラインをデプロイするよう促すルールも維持します。
PendingManualApproval
〜へApproved
モデルレジストリ内。 - AWSラムダ – 私たちは AWSラムダ 新しいモデルがモデル レジストリに登録された後、GitHub Actions でモデル デプロイメント ワークフローを開始する機能。
- アマゾンセージメーカー – 次の SageMaker コンポーネントを構成します。
- パイプライン – このコンポーネントは、データ準備、モデル トレーニング、モデル評価の段階で自動化された ML ワークフローを構築するのに役立つ有向非巡回グラフ (DAG) で構成されています。モデル レジストリは、モデルのバージョン、それに関連するアーティファクト、系統、およびメタデータの記録を維持します。関連するすべてのモデル バージョンを収容するモデル パッケージ グループが確立されます。モデル レジストリは、その後の展開のためにモデル バージョンの承認ステータスを管理する役割も担います。
- エンドポイント – このコンポーネントは、推論用に 2 つの HTTPS リアルタイム エンドポイントを設定します。ホスティング構成は、バッチ変換や非同期推論などに合わせて調整できます。ステージング エンドポイントは、SageMaker モデル レジストリからのトレーニング済みモデルの承認によってモデル デプロイメント パイプラインがアクティブ化されるときに生成されます。このエンドポイントは、精度基準を満たす予測が提供されることを確認することで、デプロイされたモデルを検証するために利用されます。モデルが実稼働デプロイメント用に準備されると、GitHub Actions ワークフローの手動承認ステージによって実稼働エンドポイントがデプロイされます。
- コードリポジトリ – これにより、SageMaker アカウント内のリソースとして Git リポジトリが作成されます。 SageMaker プロジェクトの作成時に入力した GitHub コード リポジトリの既存データを使用して、プロジェクトの開始時に SageMaker で同じリポジトリとの関連付けが確立されます。これにより、基本的に SageMaker の GitHub リポジトリとのリンクが形成され、リポジトリとの対話型アクション (プル/プッシュ) が可能になります。
- モデルレジストリ – これは、モデルのさまざまなバージョンと、系統やメタデータを含む対応するアーティファクトを監視します。として知られるコレクション モデルパッケージグループ が作成され、モデルの関連バージョンが格納されます。さらに、モデル レジストリはモデル バージョンの承認ステータスを監視し、その後の展開の準備が整っていることを確認します。
- AWSシークレットマネージャー – GitHub 個人アクセス トークンを安全に保存するには、次の場所にシークレットを確立する必要があります。 AWSシークレットマネージャー その中にアクセス トークンを格納します。
- AWSサービスカタログ – 私たちは、 AWSサービスカタログ SageMaker プロジェクトの実装には、SageMaker コード リポジトリ、Lambda 関数、EventBridge ルール、アーティファクト S3 バケットなどのコンポーネントが含まれており、すべて CloudFormation 経由で実装されます。これにより、組織はプロジェクト テンプレートを繰り返し使用し、各ユーザーにプロジェクトを割り当て、業務を効率化することができます。
- アマゾンS3 – 私たちは Amazon シンプル ストレージ サービス (Amazon S3) バケットを使用して、パイプラインによって生成されたモデルアーティファクトを保持します。
前提条件
次の前提条件が必要です。
ソリューションを実装する前に、追加のセットアップ手順も完了する必要があります。
AWS CodeStar接続をセットアップする
GitHub アカウントへの AWS CodeStar 接続をまだ持っていない場合は、以下を参照してください。 GitHub への接続を作成する 作成手順については、 AWS CodeStar 接続の ARN は次のようになります。
この例では、 aEXAMPLE-8aad-4d5d-8878-dfcab0bc441f
は、この接続の一意の ID です。この例の後半で SageMaker プロジェクトを作成するときに、この ID を使用します。
GitHub トークンのシークレット アクセス キーを設定する
GitHub 個人アクセス トークンを安全に保存するには、Secrets Manager でシークレットを作成する必要があります。 GitHub の個人アクセス トークンをお持ちでない場合は、次を参照してください。 個人のアクセストークンの管理 を作成する手順については、
クラシック アクセス トークンまたは詳細なアクセス トークンを作成できます。ただし、トークンがリポジトリのコンテンツとアクション (ワークフロー、実行、アーティファクト) にアクセスできることを確認してください。
Secrets Manager にトークンを保存するには、次の手順を実行します。
- Secrets Managerコンソールで、 新しい秘密を保存する.
- 選択 他のタイプの秘密 for シークレットの種類を選択してください.
- にシークレットの名前を入力します。 キー フィールドに個人アクセス トークンを追加します。 値 フィールド。
- 選択する Next、シークレットの名前を入力し、選択します Next 再び。
- 選択する オンラインショップ あなたの秘密を保存するために。
GitHub 個人アクセス トークンを Secrets Manager に保存すると、機密性を確保しながら MLOps パイプライン内で安全にアクセスできます。
GitHub Actions 用の IAM ユーザーを作成する
GitHub Actions が AWS 環境に SageMaker エンドポイントをデプロイできるようにするには、 AWS IDおよびアクセス管理 (IAM) ユーザーを作成し、必要な権限を付与します。手順については、を参照してください。 AWS アカウントでの IAM ユーザーの作成。 使用 iam/GithubActionsMLOpsExecutionPolicy.json
ファイル ( コードサンプル) を使用して、このユーザーにエンドポイントをデプロイするための十分な権限を付与します。
IAM ユーザーを作成したら、 アクセスキーを生成する。アクセス キー ID とシークレット アクセス キーの両方で構成されるこのキーは、後続の手順で GitHub シークレットを構成するときに使用します。
GitHub アカウントをセットアップする
この例を実行するために GitHub アカウントを準備する手順は次のとおりです。
GitHubリポジトリのクローンを作成します
この例では、既存の GitHub リポジトリを再利用できます。ただし、新しいリポジトリを作成した方が簡単です。このリポジトリには、SageMaker パイプラインのビルドとデプロイメントの両方のソース コードがすべて含まれます。
シード コード ディレクトリの内容を GitHub リポジトリのルートにコピーします。たとえば、 .github
ディレクトリは GitHub リポジトリのルートの下にある必要があります。
IAM ユーザー アクセス キーを含む GitHub シークレットを作成する
このステップでは、新しく作成したユーザーのアクセス キーの詳細を GitHub シークレット.
- GitHub Web サイトで、リポジトリに移動し、選択します 設定.
- セキュリティセクションで、選択します シークレットと変数 選択して .
- 選択する 新しいリポジトリの秘密.
- 名前 、 入る
AWS_ACCESS_KEY_ID
- 秘密、前に作成した IAM ユーザーに関連付けられたアクセス キー ID を入力します。
- 選択する シークレットの追加.
- 同じ手順を繰り返します
AWS_SECRET_ACCESS_KEY
GitHub 環境を構成する
導入パイプラインで手動承認ステップを作成するには、 GitHub環境。 次の手順を実行します。
- に移動します 設定, 環境 GitHub リポジトリのメニューに移動し、production という新しい環境を作成します。
- 環境保護規則選択 必須のレビュー担当者.
- 目的の GitHub ユーザー名をレビュー担当者として追加します。この例では、独自のユーザー名を選択できます。
環境機能は、一部の種類の GitHub プランでは利用できないことに注意してください。詳細については、以下を参照してください。 導入環境の使用.
Lambda関数をデプロイする
次の手順では、圧縮します。 lambda_function.py
.zip ファイルに変換され、S3 バケットにアップロードされます。
これに関連するコードサンプルは次の場所にあります。 GitHubレポ。 具体的には、 lambda_function.py
に位置しています lambda_functions/lambda_github_workflow_trigger ディレクトリにあります。
代わりに、コード サンプルのフォークを作成し、それを複製することをお勧めします。これにより、コードを自由に変更し、サンプルのさまざまな側面を実験できるようになります。
- コードのコピーを取得したら、適切なディレクトリに移動して、
zip
圧縮するコマンドlambda_function.py
。 Windows ユーザーと MacOS ユーザーはどちらも、ネイティブ ファイル管理システムであるファイル エクスプローラーまたはファインダーをそれぞれ使用して、.zip ファイルを生成できます。
- アップロード
lambda-github-workflow-trigger.zip
S3 バケットに。
このバケットは、後で Service Catalog によってアクセスされます。 Service Catalog が後続の手順でバケットからデータを取得できる限り、アクセス権のある任意のバケットを選択できます。
このステップ以降、AWS CLI v2 をインストールして設定する必要があります。代わりに、AWS CloudShell を利用することもできます。AWS CloudShell には、必要なツールがすべてプリインストールされており、追加の設定は必要ありません。
- ファイルを S3 バケットにアップロードするには、次のコマンドを使用します。
次に、関連する依存関係の Lambda レイヤーを構築します。 lambda_function
アップロードしたばかりです。
- Python 仮想環境をセットアップし、依存関係をインストールします。
- 次のコマンドを使用して .zip ファイルを生成します。
- レイヤーを AWS に公開します。
このレイヤーが公開されると、すべての Lambda 関数がそのレイヤーを参照して依存関係を満たすことができるようになります。 Lambda レイヤーの詳細については、以下を参照してください。 Lambda レイヤーの操作.
SageMaker でカスタム プロジェクト テンプレートを作成する
上記の手順をすべて完了すると、すべての CI/CD パイプライン リソースとコンポーネントが完成します。次に、これらのリソースを SageMaker Studio 内のカスタム プロジェクトとしてワンクリック展開でアクセスできるようにする方法を示します。
前に説明したように、SageMaker が提供するテンプレートがニーズを満たさない場合 (たとえば、CodePipeline で複数のステージやカスタム承認ステップを使用してより複雑なオーケストレーションを実行したい場合、または GitHub や GitHub アクションなどのサードパーティ ツールと統合したい場合)この投稿で説明しています)、独自のテンプレートを作成できます。コードとリソースを整理し、その上に構築する方法を理解するには、SageMaker が提供するテンプレートから始めることをお勧めします。詳細については、を参照してください。 カスタム プロジェクト テンプレートの作成.
この手順を自動化し、代わりに CloudFormation を使用して、コード経由でサービス カタログ ポートフォリオと製品をデプロイすることもできます。ただし、この投稿では、より学習体験を高めるために、コンソールのデプロイメントを示します。
この段階では、提供されている CloudFormation テンプレートを使用して、SageMaker でのカスタム プロジェクトの作成に役立つ Service Catalog ポートフォリオを作成します。
新しいドメインを作成することも、次の手順で SageMaker ドメインを再利用することもできます。ドメインをお持ちでない場合は、こちらを参照してください クイックセットアップを使用して Amazon SageMaker ドメインにオンボードする セットアップ手順について。
SageMaker テンプレートへの管理者アクセスを有効にした後、次の手順を実行します。
- Service Catalog コンソールの次の場所にあります。 管理部門 ナビゲーション ペインで、 ポートフォリオ.
- 選択する 新しいポートフォリオを作成する.
- ポートフォリオに「SageMaker Organization Templates」という名前を付けます。
- ダウンロード テンプレート.yml コンピュータにファイルします。
この Cloud Formation テンプレートは、構成およびインフラストラクチャとして必要なすべての CI/CD リソースをコードとしてプロビジョニングします。テンプレートをさらに詳しく調べて、その一部としてどのようなリソースがデプロイされているかを確認できます。このテンプレートは、GitHub および GitHub Actions と統合するようにカスタマイズされています。
-
template.yml
ファイルを変更しますS3Bucket
Lambda .zip ファイルをアップロードしたバケットに値を追加します。
- 新しいポートフォリオを選択します。
- 選択する 新製品をアップロードする.
- 商品名¸ テンプレートの名前を入力します。私たちはその名前を使用します
build-deploy-github
. - Description、説明を入力します。
- オーナー、 あなたの名前を入力してください。
- バージョンの詳細、用 方法、選択する テンプレートファイルを使用する.
- 選択する テンプレートをアップロードする.
- ダウンロードしたテンプレートをアップロードします。
- バージョンタイトル、選択する 1.0.
- 選択する レビュー.
- 設定を確認して、 製品を作成する.
- 選択する Refresh 新製品を一覧表示します。
- 作成したばかりの製品を選択してください。
- ソフトウェア設定ページで、下図のように タグ タブで、次のタグを製品に追加します。
- キー =
sagemaker:studio-visibility
- 値 =
true
- キー =
ポートフォリオの詳細に戻ると、次のスクリーンショットのようなものが表示されます (ID は異なります)。
- ソフトウェア設定ページで、下図のように 制約 タブを選択 制約を作成する.
- プロダクト、選択する
build-deploy-github
(作成したばかりの製品)。 - 制約 タイプ、選択 起動する.
- 起動制約、用 方法、選択する IAMロールを選択します.
- 選択する
AmazonSageMakerServiceCatalogProductsLaunchRole
. - 選択する 創造する.
- ソフトウェア設定ページで、下図のように グループ、役割、およびユーザー タブを選択 グループ、役割、ユーザーを追加する.
- ソフトウェア設定ページで、下図のように 役割 タブで、SageMaker Studio ドメインの構成時に使用したロールを選択します。ここに SageMaker ドメイン ロールがあります。
- 選択する アクセスを追加.
SageMaker Studio からプロジェクトをデプロイする
前のセクションでは、カスタム MLOps プロジェクト環境を準備しました。次に、このテンプレートを使用してプロジェクトを作成しましょう。
- SageMaker コンソールで、このプロジェクトを作成するドメインに移動します。
- ソフトウェア設定ページで、下図のように 起動する メニュー、選択 Studio.
SageMaker Studio 環境にリダイレクトされます。
- SageMaker Studio のナビゲーション ペインの デプロイメント、選択する プロジェクト.
- 選択する プロジェクトを作成する.
- テンプレートのリストの上部で、 組織テンプレート.
これまでの手順をすべて正常に完了すると、という名前の新しいカスタム プロジェクト テンプレートが表示されるはずです。 Build-Deploy-GitHub
.
- そのテンプレートを選択して、 プロジェクトテンプレートの選択.
- オプションの説明を入力します。
- GitHub リポジトリの所有者名、GitHub リポジトリの所有者を入力します。たとえば、リポジトリが次の場所にある場合、
https://github.com/pooyavahidi/my-repo
、所有者は次のとおりですpooyavahidi
. - GitHub リポジトリ名、シード コードをコピーしたリポジトリの名前を入力します。それは単なるリポジトリの名前になります。たとえば、
https://github.com/pooyavahidi/my-repo
、リポジトリはmy-repo
. - Codestar接続の一意のID、作成した AWS CodeStar 接続の一意の ID を入力します。
- GitHub トークンを保存する Secrets Manager 内のシークレットの名前、GitHub トークンを作成して保存した Secrets Manager にシークレットの名前を入力します。
- デプロイ用の GitHub ワークフロー ファイル、GitHub ワークフロー ファイルの名前を入力します (
.github/workflows/deploy.yml
) ここには展開手順が記載されています。この例では、デフォルトのままにすることができます。deploy.yml
. - 選択する プロジェクトを作成する.
- プロジェクトを作成した後、必ず更新してください。
AWS_REGION
およびSAGEMAKER_PROJECT_NAME
それに応じて、GitHub ワークフロー ファイルの環境変数も変更します。ワークフロー ファイルは、GitHub リポジトリ (シード コードからコピー) 内にあります。.github/workflows
ディレクトリ。必ず両方を更新してくださいbuild.yml
およびdeploy.yml
ファイル。
これで環境の準備が整いました。パイプラインを直接実行して変更を加え、その変更を GitHub リポジトリにプッシュして自動ビルド パイプラインをトリガーし、ビルドとデプロイのすべての手順がどのように自動化されているかを確認できます。
クリーンアップ
リソースをクリーンアップするには、次の手順を実行します。
- SageMaker プロジェクトと SageMaker エンドポイントに使用される CloudFormation スタックを削除します。
- SageMaker ドメインを削除します。
- サービス カタログ リソースを削除します。
- GitHub リポジトリとの AWS CodeStar 接続リンクを削除します。
- GitHub Actions 用に作成した IAM ユーザーを削除します。
- GitHub の個人アクセスの詳細を保存する Secrets Manager でシークレットを削除します。
まとめ
この投稿では、カスタム SageMaker MLOps プロジェクト テンプレートを使用して、CI/CD パイプラインを自動的に構築および編成するプロセスについて説明しました。このパイプラインは、データ操作、モデルのトレーニング、モデルの承認、モデルのデプロイメントのための既存の CI/CD メカニズムと SageMaker の機能を効果的に統合します。このシナリオでは、GitHub Actions を SageMaker プロジェクトおよびパイプラインと統合することに重点を置きました。実装の詳細を包括的に理解するには、次のサイトを参照してください。 GitHubリポジトリ。気軽に試してみてください。質問があれば遠慮せずにコメント欄に残してください。
著者について
ロミナ・シャリフプール博士 アマゾン ウェブ サービス (AWS) のシニア機械学習および人工知能ソリューション アーキテクトです。彼女は 10 年以上、ML と AI の進歩によって可能になる革新的なエンドツーエンド ソリューションの設計と実装を主導してきました。 Romina の関心分野は、自然言語処理、大規模言語モデル、および MLOps です。
プーヤ・ヴァヒディ AWS のシニア ソリューション アーキテクトであり、コンピューター サイエンス、人工知能、クラウド コンピューティングに情熱を注いでいます。 AI プロフェッショナルとして、彼は AWS AI/ML Area-of-Depth チームの積極的なメンバーです。大規模ソリューションのアーキテクチャとエンジニアリングを主導する 20 年以上にわたる専門知識を備えた彼は、クラウドと AI/ML テクノロジーを通じて顧客の変革の旅を支援しています。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/build-an-end-to-end-mlops-pipeline-using-amazon-sagemaker-pipelines-github-and-github-actions/
- :持っている
- :は
- :not
- :どこ
- $UP
- 10
- 100
- 114
- 14
- 20
- 28
- 7
- 8
- 9
- a
- できる
- 私たちについて
- 上記の.
- 加速する
- アクセス
- アクセス
- アクセス可能な
- それに応じて
- 精度
- 達成する
- 越えて
- 行動
- 活性化
- アクティブ
- 非周期的
- 加えます
- NEW
- 調整
- 採用
- 進歩
- 後
- 再び
- AI
- AI / ML
- すべて
- 割り当てる
- 許す
- ことができます
- 既に
- また
- 代替案
- Amazon
- アマゾンセージメーカー
- AmazonSageMakerパイプライン
- Amazon Webサービス
- Amazon Webサービス(AWS)
- an
- および
- とインフラ
- どれか
- 適切な
- 承認
- 建築
- です
- エリア
- 人工の
- 人工知能
- AS
- 側面
- 関連する
- 協会
- At
- 自動化する
- 自動化
- 自動的に
- 自動化する
- オートメーション
- 利用できます
- AWS
- 背景
- ベース
- BE
- き
- 両言語で
- ビルド
- 建物
- 構築します
- 内蔵
- 内蔵
- by
- 呼ばれます
- 缶
- 機能
- カタログ
- CD
- 集中型の
- 変化する
- 変更
- 選択する
- クラシック
- クリック
- クラウド
- クラウドコンピューティング
- コード
- コードベース
- 協力します
- 環境、テクノロジーを推奨
- コレクション
- comes
- 注釈
- コンプリート
- 完成
- 複雑な
- コンポーネント
- コンポーネント
- 包括的な
- コンピュータ
- コンピュータサイエンス
- コンピューティング
- 秘密
- 構成
- 設定された
- 構成する
- 接続
- 考えると
- 一貫して
- からなる
- 領事
- 構築する
- 含む
- 中身
- 連続的な
- コントロール
- 対応する
- 作ります
- 作成した
- 作成します。
- 作成
- 創造
- カスタム
- Customers
- カスタマイズ
- DAG
- データ
- データの準備
- データサイエンス
- 数十年
- デフォルト
- 配信する
- 配達
- 掘り下げる
- 需要
- 実証します
- 実証
- 依存関係
- 展開します
- 展開
- 展開する
- 展開
- 配備
- 説明
- 設計
- 希望
- 詳細
- 詳細な
- 細部
- 開発
- DevOps
- 異なります
- 指示された
- 直接に
- 議論する
- do
- 文書化された
- ドメイン
- ドント
- 間に
- 各
- 前
- 容易
- エコシステム
- 効果的な
- 効果的に
- 効率的な
- 効率良く
- どちら
- 要素は
- 排除
- enable
- 使用可能
- 可能
- 有効にする
- 端から端まで
- エンドポイント
- エンドポイント
- エンジニアリング
- エンジニア
- 確保
- 確実に
- 確保する
- 入力します
- Enterprise
- 全体
- 環境
- 環境
- 本質的に
- 確立する
- 設立
- 確立する
- 設立
- 等
- エーテル(ETH)
- 評価
- イベント
- 例
- 既存の
- 体験
- 実験
- 専門知識
- エクスプローラ
- 容易化する
- 特徴
- 特徴
- 感じます
- フィールド
- File
- ファインダー
- フォーカス
- 焦点を当て
- フォロー中
- フォーク
- 形成
- フォーム
- 発見
- 無料版
- 自由
- から
- function
- 機能
- 生成する
- 生成された
- 取得する
- Gitの
- GitHubの
- 与える
- 行く
- 行って
- 助成金
- グラフ
- 大きい
- グループ
- グループの
- 持ってる
- he
- ヘビー
- 重いもの
- ことができます
- ホスティング
- お家の掃除
- 住宅
- 住宅
- 認定条件
- How To
- しかしながら
- HTML
- HTTP
- HTTPS
- IAM
- ID
- アイデンティティ
- イド
- if
- 実装
- 実装
- 実装
- in
- include
- 含ま
- 含めて
- 情報
- インフラ関連事業
- 開始する
- 開始する
- 革新的な
- 内部
- install
- インストール
- を取得する必要がある者
- 説明書
- 統合する
- 統合する
- 統合
- 統合
- インテリジェンス
- 相互作用的
- 関心
- に
- 紹介します
- 分離
- IT
- ITS
- 旅
- JPG
- JSON
- ただ
- キープ
- キー
- キー
- 既知の
- 言語
- 大
- 大規模
- 後で
- 起動する
- 層
- 層
- 主要な
- 学習
- コメントを残す
- wifecycwe
- フェイスリフト
- ような
- 系統
- LINK
- リスト
- 位置して
- 場所
- 長い
- 見て
- のように見える
- 機械
- 機械学習
- MacOSの
- 維持
- メンテナンス
- make
- 管理します
- マネージド
- 管理
- マネジメントシステム
- マネージャー
- 管理する
- 操作
- マニュアル
- 多くの
- メカニズム
- 大会
- メンバー
- メンバー
- メニュー
- かもしれない
- マサチューセッツ工科大学(MIT)
- ML
- MLOps
- モデル
- 修正
- 修正する
- モニタリング
- モニター
- 他には?
- もっと効率的
- さらに
- の試合に
- しなければなりません
- 名
- 名前付き
- 名
- ネイティブ
- ナチュラル
- 自然言語
- 自然言語処理
- ナビゲート
- ナビゲーション
- 必要
- 必要
- 必要
- ニーズ
- 新作
- 新製品
- 新しく
- 次の
- 今
- 入手する
- of
- 提供すること
- on
- ONE
- 以降
- 操作する
- 業務執行統括
- or
- 編成
- 組織
- 組織
- その他
- 私たちの
- が
- 概要
- 自分の
- 所有者
- パッケージ
- ペイン
- パリティ
- 部
- パーティー
- 情熱的な
- パーミッション
- 個人的な
- パイプライン
- プラン
- プラットフォーム
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- ポートフォリオ
- ポスト
- 強力な
- プラクティス
- 予測
- 準備
- 準備
- 準備
- 前提条件
- 前
- 手続き
- プロセス
- ラボレーション
- 処理
- 生産された
- プロダクト
- 生産
- プロ
- プロジェクト
- プロジェクト(実績作品)
- プロンプト
- 保護
- 提供します
- 提供
- は、大阪で
- 公表
- プッシュ
- プッシュ
- Python
- クエリ
- クイック
- 準備
- 準備
- への
- 推奨する
- 推奨される
- 記録
- 参照する
- 参照
- 反映する
- 登録された
- 参加申し込み
- レジストリ
- 関連する
- 関連した
- 信頼性のある
- 削除します
- 繰り返し
- 倉庫
- 要求
- 必要とする
- 要件
- 研究
- リソースを追加する。
- リソース
- 責任
- 結果として
- 再利用
- 右
- 堅牢な
- 職種
- 役割
- ルート
- ルール
- ラン
- runs
- セージメーカー
- SageMakerパイプライン
- 同じ
- Save
- スケーラビリティ
- スケーリング
- シナリオ
- シナリオ
- 科学
- 科学者たち
- 秘密
- 秘密
- セクション
- セクション
- しっかりと
- セキュリティ
- シード
- select
- シニア
- 仕える
- サービス
- サービス
- セット
- 設定
- 設定
- いくつかの
- 彼女
- すべき
- 表示する
- 同様の
- 簡単な拡張で
- 簡略化されました
- 単純化
- ソフトウェア
- ソフトウェア開発
- 溶液
- ソリューション
- 一部
- 何か
- ソース
- ソースコード
- 緊張
- 特定の
- 特に
- 費やした
- スタック
- スタッフ
- ステージ
- ステージ
- ステージング
- 規格
- start
- 起動
- Status:
- 手順
- ステップ
- ストレージ利用料
- 店舗
- 保存され
- 店舗
- 簡単な
- 流線
- 合理化
- 研究
- 勉強
- それに続きます
- 首尾よく
- そのような
- 十分な
- スイート
- 確か
- システム
- TAG
- チーム
- チームメンバー
- チーム
- テクノロジー
- template
- テンプレート
- テスト
- テスト
- それ
- セキュリティー
- ソース
- アプリ環境に合わせて
- その後
- したがって、
- ボーマン
- 彼ら
- 三番
- サードパーティ
- この
- それらの
- 介して
- 全体
- 〜へ
- 一緒に
- トークン
- ツール
- 豊富なツール群
- top
- 追跡する
- 追跡
- 訓練された
- トレーニング
- 最適化の適用
- 変形させる
- トリガー
- トリガ
- 2
- type
- 下
- わかる
- 理解する
- ユニーク
- アップデイト
- アップロード
- に
- us
- つかいます
- 中古
- ユーザー
- users
- 活用する
- 利用された
- 検証
- 値
- variables
- さまざまな
- バージョン
- バージョン管理
- バージョン
- 、
- バーチャル
- 訪問
- walked
- 欲しいです
- we
- ウェブ
- Webサービス
- ウェブベースの
- ウェブサイト
- この試験は
- いつ
- which
- while
- 意志
- ウィンドウズ
- 以内
- 仕事
- 共に働く
- ワークフロー
- ワークフロー
- でしょう
- 年
- 貴社
- あなたの
- ゼファーネット
- 〒