Ga naar hoofdinhoud
HomePython

Cursus

Forecasting-pijplijnen ontwerpen voor productie

GevorderdVaardigheidsniveau
Bijgewerkt 12-2025
Leer hoe je schaalbare prognosepijplijnen in Python kunt ontwerpen, automatiseren en monitoren.
Start Cursus Kosteloos
PythonMachine Learning
4 u
16 videos
53 Opdrachten
4,000 XP
Bewijs van Prestatie

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Group

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

Leer hoe je schaalbare prognosepijplijnen in Python kunt ontwerpen, automatiseren en monitoren. Deze cursus voor gevorderden laat je de hele productieworkflow zien – van het verzamelen van gegevens en het trainen van modellen tot implementatie en monitoring – met tools als MLflow en Airflow.Je begint met het verbinden met live gegevensbronnen en het maken van je eerste prognose met gegevens over de elektriciteitsvraag in de VS. Vervolgens leer je de basisprincipes van experimenteren, zoals backtesting, evaluatie en modelregistratie met MLflow.Dan ga je geautomatiseerde prognosepijplijnen bouwen met ETL-processen, modelregistratie en Airflow-orkestratie. Tot slot leer je de basis van productie-implementatie, zoals het checken of de pipeline goed werkt, het opsporen van modelafwijkingen en het onderhouden van voorspellingssystemen in echte omgevingen.

Vereisten

Introduction to Apache Airflow in PythonIntroduction to MLflowTime Series Analysis in Python
1

Algemene architectuur

Leer hoe je verbinding maakt met live databronnen en tijdreeksdata voorbereidt voor forecasting. Je haalt uurlijkse elektriciteitsvraagdata op uit de U.S. EIA API en bouwt je eerste voorspelling.
Hoofdstuk beginnen
2

Experimenteren

Ontdek de basis van experimenteren, inclusief backtesting, evaluatie en modelregistratie met MLflow!
Hoofdstuk beginnen
3

Automatisering instellen

Leer hoe je geautomatiseerde forecasting-pijplijnen bouwt die dagelijks data en voorspellingen verversen. Je richt ETL-processen in, registreert modellen met MLflow en orkestreert alles met Airflow. Maak een productierijp systeem met datavalidatie en logging om de gezondheid van de pijplijn te monitoren.
Hoofdstuk beginnen
4

Van deployment naar productie

Ontdek de essentials van deployment naar productie, van het monitoren van de pijplijngezondheid tot het detecteren van model drift. Je leert best practices voor reproduceerbaarheid, opschalen en het onderhouden van forecasting-systemen in echte omgevingen.
Hoofdstuk beginnen
Forecasting-pijplijnen ontwerpen voor productie
Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Forecasting-pijplijnen ontwerpen voor productie!

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.

Download on the App StoreGet it on Google Play