After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
Inleiding tot end-to-end machine learning
Duik in de wereld van machine learning en ontdek hoe je end-to-end-modellen kunt ontwerpen, trainen en implementeren met deze uitgebreide cursus. Met leuke, echte voorbeelden en praktische oefeningen leer je om complexe dataproblemen aan te pakken en krachtige ML-modellen te bouwen. Aan het einde van deze cursus heb je de vaardigheden die je nodig hebt om goed werkende modellen te maken, te controleren en te onderhouden die bruikbare inzichten opleveren. Geef je kennis over machine learning een boost met deze complete, praktische cursus en word een echte ML-expert!
Evalueer en verbeter je model
Begin met het leren van de basis van verkennende data-analyse (EDA) en het klaarmaken van data - je gaat je data opschonen en voorbewerken, zodat ze klaar zijn voor het trainen van modellen. Leer vervolgens de kunst van feature engineering en selectie onder de knie te krijgen om je modellen te optimaliseren voor uitdagingen in de praktijk; leer hoe je de Boruta-bibliotheek kunt gebruiken voor featureselectie, log experimenten met MLFlow en verfijn je modellen met behulp van k-fold cross-validatie. Ontdek de geheimen van goede foutstatistieken en ontdek overfitting, zodat je modellen goed werken.
Je model inzetten en checken
Je gaat ook kijken naar hoe belangrijk feature stores en modelregisters zijn in end-to-end ML-frameworks. Leer hoe je je model kunt inzetten en de prestaties ervan in de loop van de tijd kunt volgen met Docker en AWS. Begrijp het idee van datadrift en hoe je dit kunt ontdekken met statistische tests. Zet feedbackloops, hertraining en labelstrategieën in om je modellen goed te laten werken, ook als de data steeds veranderen.
Deze cursus geeft je praktische vaardigheden die je meteen kunt gebruiken in een baan als datawetenschapper of machine learning-ingenieur. Je leert modellen ontwerpen, implementeren en onderhouden; dit zijn belangrijke vaardigheden om de zakelijke impact van machine learning-oplossingen te vergroten.
Vereisten
Curriculum
Cursusoverzicht
1
Ontwerp en verkenning
In dit eerste hoofdstuk ga je aan de slag met de basisfasen van elk machine learning-project: het ontwerpen van een end-to-end machine learning-usecase, verkennende data-analyse en gegevensvoorbereiding. Aan het einde van het hoofdstuk heb je een solide begrip van de vroege stadia van een machine learning-project, van het uitwerken van een usecase tot het voorbereiden van de data voor verdere verwerking en modeltraining.
- Een end-to-end Machine Learning-usecase ontwerpen50 XP
- Definities van fasen in de Machine learning-levenscyclus50 XP
- Machine learning-lifecycle100 XP
- Exploratory Data Analysis50 XP
- Je gegevens visualiseren100 XP
- Class-ongelijkheid opsporen100 XP
- Doelen van EDA100 XP
- Data-preparatie50 XP
- Functies voor datavoorbereiding100 XP
- Geavanceerde imputatie100 XP
- Je gegevensset opschonen100 XP
2
Modeltraining en -evaluatie
In dit hoofdstuk ga je dieper in op de essentiële stappen van modeltraining en -evaluatie. Het bestaat uit vier uitgebreide lessen, met aandacht voor verschillende aspecten van feature engineering, modeltraining, experimenten loggen en modelevaluatie.
3
Modeluitrol
Dit hoofdstuk behandelt de belangrijkste elementen van modeluitrol, een cruciale fase in de machine learning-levenscyclus. We beginnen met testen en gaan daarna verder met architectuurcomponenten, met de nadruk op feature stores en modelregisters. Vervolgens duiken we in packaging en containerization. Het hoofdstuk sluit af met een overzicht van Continuous Integration en Continuous Deployment (CI/CD).
4
Modelmonitoring
In het laatste hoofdstuk navigeer je door de nuances van modelmonitoring, een cruciale fase in de machine learning-levenscyclus.
End-to-End Machine Learning
Cursus
voltooid
