コースの紹介
Rust でエンドツーエンドの ML パイプラインを構築、最適化、デプロイすることで、MLOps および ML プラットフォームエンジニアリングにおける重要な役割を担うための基盤を構築できます。Rust ベースの MLOps ワークフローを通じて、Python 中心のシステムを超え、本番環境の ML に必要なパフォーマンス、信頼性、そしてデプロイのシンプルさを実現できます。
インストラクター主導のコース
Rust for Machine Learning Operations (LFWS306)
対象者
本番環境のMLシステムのオーナーシップを担いたいと考えているMLエンジニア、MLOpsエンジニア、バックエンド開発者、プラットフォームエンジニア。Python中心のワークフローから脱却し、Rustでより高速で信頼性の高いMLパイプラインを構築したいプロフェッショナルに最適です。
折りたたむ
続きを読む
学習内容
PAIMLスタックを用いて、Rustで高性能なMLパイプラインを構築するスキルを習得します。SIMDアクセラレートされたテンソル、パイプライン オーケストレーション、実験トラッキング、モデル デプロイメントといった技術を適用することで、より高速な推論と、よりシンプルで信頼性の高い本番環境向けMLシステムを実現します。
折りたたむ
続きを読む
身につく知識
純粋なRustで本番環境のMLインフラストラクチャを設計・導入し、重要なパイプラインからPythonへの依存を排除します。パフォーマンス重視のMLシステムの需要が高まるにつれて、MLプラットフォームエンジニア、MLOpsエンジニア、Rustインフラストラクチャ開発者などの職種への準備が整います。
折りたたむ
続きを読む
コースの紹介
Trueno テンソル基礎
Trueno-DBによるデータのロード
Batutaによるパイプラインオーケストレーション
Entrenarによる実験追跡
AprenderによるMLアルゴリズム
Trueno-Textによるテキスト処理
Trueno-Vizによる可視化
PresentarによるWASMの導入
Capstone：エンドツーエンドのパイプライン
コース概要
前提条件
学習者は、一般的なプログラミング経験、コマンドラインスキル、そして基本的な機械学習の知識を持っている必要があります。Rustの経験は必要ありません。Rustは段階的に導入され、経験豊富なRustユーザーはより速く進み、機械学習特有のパターンに焦点を当てます。.
ラボ環境の前提条件:
- 錆 1.75+
- Git
- 8GBのRAM
