コース内容
Professional Machine Learning Engineer試験概要
-
Professional Machine Learning Engineer 試験概要とコースの進め方
-
【実力診断テスト】参考書「Assessment Test」（全30問）
セクション 1: ローコード AI ソリューションの構築（試験内容の 13%）
-
セクション 1：ローコード AI ソリューションの構築
-
【解説】第14章 BigQuery ML（1.1 BigQuery ML によるモデル開発）
-
【章末テスト】第14章 BigQuery ML
-
【解説】第4章 適切な ML インフラストラクチャの選択（1.2 AI API ／ AutoML、3.3 ハードウェア）
-
【章末テスト】第4章 適切な ML インフラストラクチャの選択
-
【理解度チェック／オリジナル・未監修】セクション 1：ローコード AI ソリューションの構築
セクション 2: チーム内およびチーム間の連携によるデータとモデルの管理（試験内容の 14% 以下）
-
セクション 2：チーム内およびチーム間の連携によるデータとモデルの管理
-
【解説】第2章 データの探索とデータ パイプラインの構築（2.1 データの探索と前処理、5.1 データ検証）
-
【章末テスト】第2章 データの探索とデータ パイプラインの構築
-
【解説】第3章 特徴量エンジニアリング（2.1 データの前処理、5.1 前処理の一貫性）
-
【章末テスト】第3章 特徴量エンジニアリング
-
【理解度チェック／オリジナル・未監修】セクション 2：データとモデルの管理
セクション 3: プロトタイプの ML モデルへのスケーリング（試験内容の 18%）
-
セクション 3：プロトタイプの ML モデルへのスケーリング
-
【解説】第1章 ML の課題設定（3.1 タスクに応じたモデルの構築、2.3 評価、6.1 責任ある AI）
-
【章末テスト】第1章 ML の課題設定
-
【解説】第7章 モデルの構築（3.1 モデルの構築、3.2 分散トレーニング）
-
【章末テスト】第7章 モデルの構築
-
【解説】第8章 モデルのトレーニングとハイパーパラメータ チューニング（3.2 トレーニング、3.3 分散トレーニング、2.2 ノートブック）
-
【章末テスト】第8章 モデルのトレーニングとハイパーパラメータ チューニング
-
【理解度チェック／オリジナル・未監修】セクション 3：プロトタイプの ML モデルへのスケーリング
セクション 4: モデルのサービングとスケーリング（試験内容の 20%）
-
セクション 4：モデルのサービングとスケーリング
-
【解説】第5章 ML ソリューションのアーキテクチャ（4.1 サービング、2.1 データ管理、2.3 実験）
-
【章末テスト】第5章 ML ソリューションのアーキテクチャ
-
【解説】第10章 本番環境でのモデルのスケーリング（4.1 サービング、4.2 スケーリング、5.1 パイプライン）
-
【章末テスト】第10章 本番環境でのモデルのスケーリング
-
【理解度チェック／オリジナル・未監修】セクション 4：モデルのサービングとスケーリング
セクション 5: ML パイプラインの自動化とオーケストレーション（試験内容の 22%）
-
セクション 5：ML パイプラインの自動化とオーケストレーション
-
【解説】第11章 ML トレーニング パイプラインの設計（5.1 エンドツーエンドの ML パイプライン）
-
【章末テスト】第11章 ML トレーニング パイプラインの設計
-
【解説】第13章 ML ソリューションの保守（5.2 再学習の自動化、4.2 Feature Store、6.2 エラーの対処）
-
【章末テスト】第13章 ML ソリューションの保守
-
【理解度チェック／オリジナル・未監修】セクション 5：ML パイプラインの自動化とオーケストレーション
セクション 6: AI ソリューションのモニタリング（試験内容の 13%）
-
セクション 6：AI ソリューションのモニタリング
-
【解説】第6章 安全な ML パイプラインの構築（6.1 リスクの特定、2.1 機密データ、2.2 ノートブックのセキュリティ、4.2 エンドポイント）
-
【章末テスト】第6章 安全な ML パイプラインの構築
-
【章末テスト】第9章 Agent Platform（旧 Vertex AI）におけるモデルの説明可能性
-
【章末テスト】第12章 モデルのモニタリング、トラッキング、メタデータの監査
-
【解説】第9章 Agent Platform（旧 Vertex AI）におけるモデルの説明可能性（6.1 リスクの特定、責任ある AI、説明可能性）
-
【解説】第12章 モデルのモニタリング、トラッキング、メタデータの監査（6.2 モニタリング、2.3 実験とメタデータ）