5ML パイプラインの自動化とオーケストレーション

• 5.1エンドツーエンド ML パイプライン

  データとモデルの検証、訓練とサービングで一貫した前処理、サードパーティパイプライン（MLFlow）のホスティング、コンポーネント/パラメータ/トリガー/コンピュート（Cloud Build・Cloud Run）の特定、オーケストレーションフレームワーク（Kubeflow Pipelines・Vertex AI Pipelines・Cloud Composer）、ハイブリッド/マルチクラウド戦略、TFX コンポーネントや Kubeflow DSL によるシステム設計を理解します。

• 5.2再訓練とメタデータ追跡

  適切な再訓練ポリシーの決定、CI/CD によるモデルデプロイ（Cloud Build・Jenkins）、モデルの成果物とバージョンの追跡/比較（Vertex AI Experiments・Vertex ML Metadata）、モデル/データセットのバージョニング連携、モデルとデータの系統（リネージ）を理解します。