After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Wprowadzenie do kompleksowego uczenia maszynowego
Zanurz się w świat uczenia maszynowego i odkryj, jak projektować, trenować i wdrażać kompleksowe modele end-to-end dzięki temu wszechstronnemu kursowi. Dzięki angażującym, praktycznym przykładom z życia i ćwiczeniom praktycznym nauczysz się rozwiązywać złożone problemy z danymi oraz budować zaawansowane modele ML. Pod koniec tego kursu zdobędziesz umiejętności potrzebne do tworzenia, monitorowania i utrzymywania modeli o wysokiej wydajności, które dostarczają praktycznych wniosków. Przekształć swoją wiedzę z zakresu uczenia maszynowego dzięki temu kompleksowemu, praktycznemu kursowi i zostań specjalistą ML od początku do końca!
Oceń i ulepsz swój model
Zacznij od poznania podstaw eksploracyjnej analizy danych (EDA) i przygotowania danych - oczyścisz i wstępnie przetworzysz swoje dane, upewniając się, że są gotowe do trenowania modelu. Następnie opanuj sztukę inżynierii cech i selekcji, aby zoptymalizować swoje modele pod kątem rzeczywistych wyzwań; naucz się korzystać z biblioteki Boruta do selekcji cech, rejestrować eksperymenty w MLFlow i dostrajać modele za pomocą walidacji krzyżowej k-fold. Odkryj tajniki skutecznych metryk błędów i diagnozuj przeuczenie, przygotowując swoje modele na sukces.
Wdrażaj i monitoruj swój model
Poznasz także znaczenie feature stores i model registries w kompleksowych frameworkach ML end-to-end. Dowiedz się, jak wdrażać i monitorować wydajność swojego modelu w czasie, korzystając z Dockera i AWS. Zrozum koncepcję dryfu danych i dowiedz się, jak wykrywać go za pomocą testów statystycznych. Wdrażaj pętle informacji zwrotnej, ponowne trenowanie i strategie etykietowania, aby utrzymać wydajność swoich modeli w obliczu stale zmieniających się danych.
Ten kurs wyposaży Cię w praktyczne umiejętności bezpośrednio przydatne w karierze data scientisty lub inżyniera uczenia maszynowego, pozwalając Ci projektować, wdrażać i utrzymywać modele; to kluczowe kompetencje, które pomogą Ci wykorzystać biznesowy potencjał rozwiązań machine learning.
Wymagania wstępne
Program kursu
Plan kursu
1
Projektowanie i eksploracja
W tym rozdziale poznasz podstawowe etapy każdego projektu uczenia maszynowego: projektowanie przypadku użycia end-to-end, eksploracyjną analizę danych oraz przygotowanie danych. Po jego ukończeniu będziesz mieć solidne podstawy dotyczące wczesnych faz projektu ML – od opracowania koncepcji przypadku użycia aż po przygotowanie danych do dalszego przetwarzania i trenowania modelu.
- Projektowanie kompleksowego przypadku użycia uczenia maszynowego50 XP
- Definicje faz cyklu życia uczenia maszynowego50 XP
- Cykl życia uczenia maszynowego100 XP
- Eksploracyjna analiza danych50 XP
- Wizualizacja danych100 XP
- Wykrywanie nierównowagi klas100 XP
- Cele EDA100 XP
- Przygotowanie danych50 XP
- Funkcje do przygotowania danych100 XP
- Zaawansowane przypisywanie brakujących wartości100 XP
- Czyszczenie zbioru danych100 XP
2
Trenowanie i ewaluacja modelu
Ten rozdział szczegółowo omawia kluczowe procesy trenowania i ewaluacji modelu. Składa się z czterech lekcji, które koncentrują się na różnych aspektach inżynierii cech, trenowaniu modelu, rejestrowaniu eksperymentów oraz ewaluacji modelu.
3
Wdrożenie modelu
Ten rozdział zagłębia się w kluczowe elementy wdrożenia modelu – istotnej fazy w cyklu życia uczenia maszynowego. Zaczynamy od testowania, a następnie przechodzimy do komponentów architektonicznych, ze szczególnym uwzględnieniem magazynów cech i rejestrów modeli. Kolejno omawiamy pakowanie i konteneryzację. Rozdział kończy się przeglądem ciągłej integracji i ciągłego wdrażania (CI/CD).
4
Monitorowanie modelu
W ostatnim rozdziale zgłębisz zawiłości monitorowania modelu – kluczowej fazy w cyklu życia uczenia maszynowego.
End-to-End Machine Learning
Kurs
ukończony
