変更要約: DP-100 第2章を深掘り（図ja化・比較表/シナリオ/FAQ/ひっかけ/深掘り段落を全節に追加）
2.1ジョブの実行とトラッキング（MLflow）
Azure ML の ジョブ（コマンド/スイープ/パイプライン）でモデルを学習し、MLflow によるメトリック/パラメーター/成果物のトラッキング、環境（依存関係）、コンポーネント による再利用を理解します。
モデルの学習は Azure ML の ジョブ として実行します。実行結果（メトリックやモデル）は MLflow で自動的に記録・比較できます。
2.1.1ジョブとトラッキング
- コマンドジョブ：1 つのスクリプトを実行する基本のジョブ。引数や入出力を指定する。
- MLflow トラッキング：メトリック・パラメーター・成果物（モデル）を自動記録し、実験で比較する。
- 環境：学習に必要な依存関係（conda/Docker）を定義し、再現性を確保する。
- コンポーネント/パイプライン：再利用可能な処理単位（コンポーネント）をパイプラインにつなぐ。
「学習の実行＝ジョブ（コマンド/スイープ/パイプライン）」「メトリック/パラメーター/モデルの記録・比較＝MLflow」「依存関係＝環境（conda/Docker）」「再利用＝コンポーネント→パイプライン」 は DP-100 で頻出です。実験の比較や再現性に MLflow と環境が要です。
MLflow はオープンソース標準で、Azure ML はこれをネイティブに統合しています。ログ API（mlflow.log_metric など）でメトリックを記録できます。
Azure ML（v2）のジョブは種類で使い分けます：コマンドジョブ（単一スクリプトを引数・入出力・環境・コンピューティング指定で実行）、スイープジョブ（ハイパーパラメーター探索）、パイプラインジョブ（複数の コンポーネント をつなぐ DAG）。定義は YAML（CLI v2） か Python SDK v2 で行い、環境（キュレーション済み か conda/Docker のカスタム）と 入力/出力（データアセットやデータストアのパス）を指定して再現性を確保します。トラッキングは MLflow がネイティブ統合され、mlflow.log_metric/log_param/log_artifact や オートログ（autolog） でメトリック・パラメーター・モデルを 実験（experiment） にまとめ、Studio で比較。学習済みモデルは MLflow モデル形式（環境＋シグネチャ込み）で登録するとデプロイが容易です。コンポーネント は入力/出力/環境/コードを持つ再利用単位で、パイプラインに組んでチーム共有・CI/CD に乗せられます。「単一実行＝コマンド」「HP 探索＝スイープ」「多段＝パイプライン」「記録/比較＝MLflow」「再現性＝環境＋データアセット」と整理します。
| ジョブ種別 | 用途 | 例 |
|---|---|---|
| コマンドジョブ | 単一スクリプトの実行 | 1 モデルの学習 |
| スイープジョブ | ハイパーパラメーター探索 | 学習率/深さの最適化 |
| パイプラインジョブ | 複数コンポーネントの連結 | 前処理→学習→評価 |
シナリオ： 前処理・学習・評価を一連で再現可能に回し、結果を比較したい。→ 各ステップをコンポーネント化してパイプラインジョブに組み、環境で依存を固定、入出力はデータアセットで参照。MLflow が各実行のメトリック/モデルを記録するので、実験ビューで比較し最良を選びます。CLI v2 の YAML で定義すれば CI/CD にも乗せられます。
FAQ： Q. メトリックの記録はどうやる？ → A. MLflow のログ API（log_metric/log_param/log_artifact）か autolog を使い、Studio の実験で比較します。Q. 環境（Environment）はなぜ必要？ → A. 依存関係を固定して、別のコンピューティングや時点でもジョブを再現可能にするためです。
ひっかけ： 「ハイパーパラメーター探索にはコマンドジョブを使う」は誤りです。HP 探索はスイープジョブ（コマンドジョブは単一実行）。また「メトリック比較には独自の仕組みが必要」も誤り（Azure ML は MLflow をネイティブ統合し、実験で比較できる）。
2.1.2この節のまとめ
- 学習＝ジョブ、記録/比較＝MLflow
- 再現性＝環境、再利用＝コンポーネント/パイプライン
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. Azure ML で学習スクリプトを実行する基本の単位はどれですか？
Q2. 学習のメトリックやパラメーター、モデルを記録して実験を比較したい。何を使いますか？
Q3. 学習の再現性のため、必要なライブラリ依存関係を定義する Azure ML の要素はどれですか？