Question 1

MLOps ワークフローにおける MLflow の主な役割は何ですか?

Accepted Answer

MLflow は ML モデルのライフサイクル全体を管理するオープンソースプラットフォームです。実験のトラッキング (メトリクス、パラメータ、アーティファクト)、モデルのパッケージング、集約レジストリ、デプロイメントを行います。これにより実験の再現性とモデルの標準化されたバージョン管理が可能になります。

Question 2

MLflow でパラメータをログに記録するにはどのコマンドを使用しますか?

Accepted Answer

mlflow.log_param 関数は、run に関連付けられたハイパーパラメータ (learning rate、epochs、batch size) を記録します。これらのパラメータは MLflow UI で確認でき、異なる学習設定を比較できます。

Question 3

mlflow.log_metric と mlflow.log_param の違いは何ですか?

Accepted Answer

log_param は学習前に定義される固定値 (learning_rate、epochs などのハイパーパラメータ) を記録し、log_metric は学習中または学習後に変化する値 (accuracy、loss) を記録します。メトリクスは異なる step で複数回ログに記録でき、曲線を作成できます。

MLOps とデプロイ

MLOps ワークフローにおける MLflow の主な役割は何ですか?

回答

MLflow でパラメータをログに記録するにはどのコマンドを使用しますか?

回答

mlflow.log_metric と mlflow.log_param の違いは何ですか?

回答

ML モデルのデプロイに Docker を使用する主な利点は何ですか?

ML アプリケーションでマルチステージ Dockerfile を使用する理由は何ですか?

その他のData Science & ML面接トピック

Pythonの基礎

Pythonオブジェクト指向プログラミング

Pythonのデータ構造

Git の基礎

SQLの基礎

NumPyの基礎

Pandasの基礎

Jupyter & Google Colab

SQL Joinsと高度なクエリ

Pandas応用

Matplotlib & Seabornによる可視化

Plotlyによるインタラクティブな可視化

記述統計

推測統計学

Web Scraping

BigQuery & Cloud Data

Feature Engineering

教師あり機械学習：回帰

教師あり機械学習：分類

決定木とアンサンブル

教師なしML

MLパイプラインと検証

時系列と予測

Deep Learningの基礎

TensorFlow & Keras

CNN と画像分類

RNNとシーケンス

TransformersとAttention

NLPとHugging Face

GenAIとLangChain

次の面接に向けてData Science & MLをマスター