セクション2：チーム横断でのデータとモデルの管理（~16%）
データ前処理ツールの選定、ノートブック協業、実験管理、評価（含 LLM-as-a-judge）。MLOps の 入口 で、データエンジニアと ML エンジニアが交差する領域。
このセクションのゴール
- データの規模・形式・スピード要件に応じた 前処理ツール を選べる（BigQuery / Dataflow / Spark / pandas）
- Workbench と Colab Enterprise の使い分けを知っている
- Feature Store を使う動機と仕組みを説明できる
- 🆕 LLM-as-a-judge と Gen AI 評価メトリクス を理解している
- Experiments / ML Metadata で実験のリネージュ・バージョンを追える
学習ファイル
| ファイル | 想定読者 | 内容 |
|---|---|---|
| 01_基礎.md | 📘 新人 | 前処理ツール / ノートブック / Feature Store / Experiments の入門 |
| 02_応用.md | 🔧 中堅 | ツール選定の詳細・PII 取り扱い・LLM-as-a-judge |
| 03_要点と暗記.md | 🎯 全員 | 意思決定ツリーと暗記カード |
試験ガイド対応
| サブセクション | 公式記載 |
|---|---|
| 2.1 | ML 向けデータの探索と前処理 |
| 2.2 | ノートブックを使ったモデルのプロトタイピング |
| 2.3 | ML 実験のトラッキングと実行 |