3プロトタイプの ML モデルへのスケール

• 3.1モデルの構築と訓練

  ML フレームワークとモデルアーキテクチャの選択、解釈可能性要件に応じたモデリング手法、訓練データの整理（表/テキスト/音声/画像/動画）、各種ファイル取り込み（CSV/JSON/画像/Hadoop/DB）、各種 SDK での訓練（Vertex AI カスタム訓練・GKE 上の Kubeflow・AutoML・Tabular Workflows）、信頼性ある分散訓練、ハイパーパラメータ調整、訓練失敗のトラブルシュート、基盤モデルのファインチューニングを理解します。

• 3.2訓練ハードウェアの選択

  コンピュートとアクセラレータの選択（CPU・GPU・TPU・エッジデバイス）、TPU と GPU による分散訓練（Vertex AI の Reduction Server・Horovod）を理解します。