After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
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
Curriculum
Programma del corso
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.
- Progettare un caso d’uso di Machine Learning end-to-end50 XP
- Definizioni delle fasi del ciclo di vita del Machine Learning50 XP
- Ciclo di vita del Machine Learning100 XP
- Analisi Esplorativa dei Dati50 XP
- Visualizzare i tuoi dati100 XP
- Individuare lo sbilanciamento delle classi100 XP
- Obiettivi dell’EDA100 XP
- Preparazione dei dati50 XP
- Funzioni per la preparazione dei dati100 XP
- Imputazione avanzata100 XP
- Pulizia del tuo insieme di dati100 XP
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.
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).
4
Monitoraggio del modello
Nel capitolo finale, affronterai le complessità del monitoraggio del modello, una fase fondamentale nel ciclo di vita del machine learning.
Machine Learning end-to-end
Corso
completato
