Kurs
Tworzenie modeli uczenia maszynowego na potrzeby produkcji
ŚredniozaawansowanyPoziom umiejętności
Zaktualizowano 11.2024
TheoryMachine Learning4 godz.13 filmów44 Ćwiczenia2,850 XP8,790Zaświadczenie o ukończeniu
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności i fakt, że twoje dane są przechowywane w USA.
Uwielbiany przez kursantów z tysięcy firm
Szkolisz zespół?
Wypróbuj dla firmOpis kursu
Eksperymentuj i dokumentuj z łatwością
Eksperymentowanie z modelami ML jest często przyjemne, ale może być czasochłonne. Tutaj nauczysz się projektować powtarzalne eksperymenty, aby przyspieszyć ten proces, jednocześnie tworząc dokumentację dla siebie i swojego zespołu, co sprawi, że przyszła praca nad pipeline’em będzie dziecinnie prosta.Twórz modele MLOps do produkcji
Poznasz najlepsze praktyki pakowania i serializowania zarówno modeli, jak i środowisk do produkcji, aby zapewnić, że modele będą działać jak najdłużej.Rozwijaj i automatyzuj swoje potoki ML
Biorąc pod uwagę złożoność modelu i danych oraz ciągłą automatyzację, możesz mieć pewność, że Twoje modele będą skalowane do użycia produkcyjnego oraz będą mogły być monitorowane i wdrażane w mgnieniu oka.Po ukończeniu tego kursu będziesz potrafić projektować i tworzyć modele uczenia maszynowego gotowe do wdrożenia produkcyjnego oraz stale je ulepszać z czasem.
Wymagania wstępne
MLOps ConceptsSupervised Learning with scikit-learn1
Od badań do produkcji
Ten rozdział wyposaży cię w umiejętności i wiedzę potrzebne do przeniesienia modeli uczenia maszynowego z fazy badań i rozwoju do środowiska produkcyjnego. Dowiesz się, jak przebiega przejście od prototypu badawczego do niezawodnego, skalowalnego i łatwego w utrzymaniu systemu.
2
Zapewnianie reprodukowalności
W tym rozdziale poznasz znaczenie reprodukowalności w uczeniu maszynowym oraz sposoby zapewniania, że twoje modele pozostają reprodukowalne i niezawodne w dłuższej perspektywie. Zapoznasz się z różnymi technikami i najlepszymi praktykami, które możesz stosować, aby zagwarantować reprodukowalność modeli.
3
Uczenie maszynowe w środowiskach produkcyjnych
W rozdziale 3 przyjrzysz się różnym wyzwaniom związanym z wdrażaniem modeli uczenia maszynowego w środowiskach produkcyjnych. Poznasz różne podejścia do wdrażania modeli ML w produkcji oraz strategie monitorowania i utrzymywania modeli ML w środowisku produkcyjnym.
4
Testowanie potoków uczenia maszynowego
W ostatnim rozdziale dowiesz się, jak testować potoki uczenia maszynowego i sprawdzać, czy działają zgodnie z oczekiwaniami. Zrozumiesz, dlaczego testowanie potoków ML jest tak ważne, i poznasz techniki testowania oraz walidacji potoków ML.
Tworzenie modeli uczenia maszynowego na potrzeby produkcji
Kurs ukończony
Zdobądź zaświadczenie o ukończeniu
Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysuUdostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz
Dołącz do ponad 19 milionów kursantów i zacznij Tworzenie modeli uczenia maszynowego na potrzeby produkcji już dziś!
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności i fakt, że twoje dane są przechowywane w USA.
Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych
Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.