Vai al contenuto principale
HomePython

Corso

Machine Learning end-to-end

IntermedioLivello di competenza
Aggiornato 01/2025
Entra nel mondo dell'apprendimento automatico e scopri come progettare, addestrare e implementare modelli end-to-end.
Inizia il corso gratis
PythonMachine Learning
4 h
16 video
56 Esercizi
4,150 XP
16,042
Attestato di conseguimento

Crea il tuo account gratuito

Continua con GoogleMostra più opzioni

o


Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.

Preferito dagli studenti di migliaia di aziende

Group

Formare un team?

Prova per il Business

Descrizione del corso

Introduzione all'apprendimento automatico end-to-end

Immergiti nel mondo dell'apprendimento automatico e scopri come progettare, addestrare e implementare modelli end-to-end con questo corso completo. Grazie a esempi pratici e coinvolgenti e a esercizi pratici, imparerai ad affrontare problemi complessi legati ai dati e a creare modelli di ML efficaci. Alla fine di questo corso, avrai tutte le competenze che ti servono per creare, controllare e mantenere modelli super efficaci che ti danno informazioni utili. Trasforma le tue competenze nel machine learning con questo corso completo e pratico e diventa un professionista del ML a tutto tondo!

Valuta e migliora il tuo modello

Inizia imparando le basi dell'analisi esplorativa dei dati (EDA) e della preparazione dei dati: pulirai e pre-elaborerai i tuoi dati, assicurandoti che siano pronti per l'addestramento del modello. Poi, impara bene come lavorare con le caratteristiche e selezionarle per ottimizzare i tuoi modelli per le sfide del mondo reale; scopri come usare la libreria Boruta per la selezione delle caratteristiche, registra gli esperimenti con MLFlow e aggiusta i tuoi modelli usando la validazione incrociata k-fold. Scopri i segreti delle metriche di errore efficaci e diagnostica l'overfitting, preparando i tuoi modelli al successo.

Distribuisci e controlla il tuo modello

Scoprirai anche quanto sono importanti i feature store e i model registry nei framework ML end-to-end. Scopri come implementare e monitorare le prestazioni del tuo modello nel tempo usando Docker e AWS. Capire cos'è la deriva dei dati e come individuarla usando test statistici. Usa feedback, aggiornamenti e strategie di etichettatura per mantenere i tuoi modelli al top anche con dati che cambiano di continuo.

Questo corso ti darà le competenze pratiche che ti servono per lavorare come data scientist o ingegnere di machine learning, permettendoti di progettare, implementare e mantenere modelli; competenze fondamentali per sfruttare al meglio l'impatto delle soluzioni di machine learning sul business.

Prerequisiti

Supervised Learning with scikit-learnMLOps Concepts
1

Progettazione ed esplorazione

In questo capitolo iniziale, ti occuperai delle fasi fondamentali di ogni progetto di machine learning: progettare un caso d’uso end-to-end di machine learning, eseguire l’analisi esplorativa dei dati ed effettuare la preparazione dei dati. Alla fine del capitolo, avrai una solida comprensione delle prime fasi di un progetto di machine learning, dall’ideazione di un caso d’uso alla preparazione dei dati per l’elaborazione successiva e l’addestramento del modello.
Inizia il capitolo
2

Addestramento e valutazione del modello

Questo capitolo approfondisce i processi essenziali di addestramento e valutazione del modello. Comprende quattro lezioni complete, incentrate su diversi aspetti dell’ingegnerizzazione e selezione delle feature, dell’addestramento del modello, della registrazione degli esperimenti e della valutazione del modello.
Inizia il capitolo
3

Distribuzione del modello

Questo capitolo affronta gli elementi essenziali della distribuzione del modello, una fase cruciale nel ciclo di vita del machine learning. A partire dal testing, il capitolo prosegue con i componenti architetturali, con un focus su feature store e model registry. Successivamente, entreremo nell’ambito del packaging e della containerizzazione. Il capitolo si conclude con una panoramica di Continuous Integration e Continuous Deployment (CI/CD).
Inizia il capitolo
Machine Learning end-to-end
Corso
completato

Ottieni Attestato di conseguimento

Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CV
Condividila sui social e nella valutazione delle tue performance
Iscriviti ora

Unisciti a oltre 19 milioni di studenti e inizia Machine Learning end-to-end oggi!

Crea il tuo account gratuito

Continua con GoogleMostra più opzioni

o


Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.

Aumenta le tue competenze sui dati con l'app di DataCamp

Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.