変更要約: Professional Machine Learning Engineer 第3章を新規作成（ドメイン3「スケール」: フレームワーク/アーキテクチャ選択・解釈可能性・訓練データ整理・ファイル取り込み・訓練 SDK(Vertex AI カスタム訓練/Kubeflow on GKE/AutoML/Tabular Workflows)・分散訓練・ハイパーパラメータ調整(Vizier)・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、ハードウェア選択(CPU/GPU/TPU/エッジ)・TPU/GPU 分散訓練(Reduction Server/Horovod/TPU Pod)）。
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。
プロトタイプを本番品質のモデルへ育てる工程です。フレームワークとアーキテクチャを選び、スケールする訓練を組み、調整とデバッグで精度を引き上げます。
3.1.1モデルの選択と訓練 SDK
ML フレームワーク（TensorFlow/PyTorch/JAX/sklearn/XGBoost）と モデルアーキテクチャ は課題で選びます。規制や説明責任で 解釈可能性 が要るなら、線形モデルやブーストツリーなど説明しやすい手法、または Explainable AI を併用します。訓練の実装は要件で選択します：自前コードを柔軟に動かす Vertex AI カスタム訓練（カスタムコンテナ可）、Kubernetes 上のポータブルなパイプラインなら GKE 上の Kubeflow、ノーコードなら AutoML、表形式の高度制御なら Tabular Workflows。訓練データは Cloud Storage/BigQuery に整理し、CSV/JSON/画像/Hadoop/DB など多様なファイルを取り込みます。「自前コードで柔軟に訓練＝Vertex AI カスタム訓練」「ノーコード＝AutoML」を結びます。
3.1.2分散訓練・調整・デバッグ
大規模なデータ/モデルは 分散訓練 で信頼性あるパイプラインに組みます（データ並列/モデル並列）。精度を引き上げるには ハイパーパラメータ調整（Vertex AI Vizier/Hyperparameter Tuning でベイズ最適化など）を使います。訓練が失敗/停滞したら トラブルシュート＝OOM ならバッチサイズ/アクセラレータ見直し、損失が NaN なら学習率/データの異常、過学習なら正則化/早期終了、を切り分けます。基盤モデルを自社タスクに適応させるには、再訓練ではなく ファインチューニング（Vertex AI/Model Garden の PEFT 等）で少量データから効率的に調整します。「精度向上の自動探索＝ハイパーパラメータ調整」「基盤モデルをタスク適応＝ファインチューニング」を押さえます。
「要件 → 手段」が頻出。例：「自前の訓練コード/コンテナを柔軟に実行」＝Vertex AI カスタム訓練、「ノーコードで訓練」＝AutoML、「Kubernetes でポータブルなパイプライン」＝Kubeflow on GKE、「精度を上げるパラメータ探索」＝ハイパーパラメータ調整（Vizier）、「基盤モデルを自社タスクに適応（少量データ）」＝ファインチューニング、「説明責任が要る」＝解釈可能なモデル/Explainable AI。
混同に注意：
①ファインチューニング（モデルを少量データで再調整）と RAG（検索で文脈を与える）は別＝タスク適応はファインチューニング、最新知識の反映は RAG。
②ハイパーパラメータ調整は計算コストが高い＝探索空間と試行回数を設計。
③OOM/NaN/過学習は原因が別＝症状で切り分ける。
3.1.3この節のまとめ
- 訓練 SDK＝Vertex AI カスタム訓練（柔軟）/Kubeflow on GKE/AutoML（ノーコード）/Tabular Workflows
- 大規模は分散訓練、精度向上はハイパーパラメータ調整、失敗は症状で切り分け
- 基盤モデルのタスク適応＝ファインチューニング（最新知識の反映は RAG）
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. 自前の TensorFlow/PyTorch コードやカスタムコンテナで、柔軟に訓練ジョブを実行したい。最適なのはどれですか？
Q2. モデルの精度を上げるため、学習率や層数などのハイパーパラメータを効率的に探索したい。最適なのはどれですか？
Q3. 既存の基盤モデル（LLM）を、少量の自社データで特定タスクに適応させたい。最適なのはどれですか？
Q4. 訓練中に GPU の Out of Memory（OOM）で失敗する。最初に試すべき対処はどれですか？
Q5. 規制対応で、モデルの判断根拠を説明できる必要がある。最も適切な方針はどれですか？