Inżynier uczenia maszynowego

Odkryj, jak MLOps przenosi modele machine learning z lokalnych notebooków do działających modeli w produkcji, które generują realną wartość biznesową.

Unix command line pomaga łączyć istniejące programy w nowe sposoby, automatyzować powtarzalne zadania i uruchamiać programy na klastrach i w chmurach.

Dive into agriculture using supervised machine learning and feature selection to aid farmers in crop cultivation and solve real-world problems.

W tym kursie poznasz nowoczesne ramy MLOps, cykl życia i wdrażanie modeli uczenia maszynowego.

Poznaj MLflow i uprość złożoność tworzenia aplikacji machine learning. Poznaj śledzenie, projekty, modele i rejestr modeli MLflow.

Perform a machine learning experiment to find the best model that predicts the temperature in London!

Naucz się tworzyć skuteczne, wydajne i niezawodne potoki danych, korzystając z zasad Extract, Transform i Load.

Zapewnij wysoką jakość danych w workflow data science i data engineering dzięki bibliotece Great Expectations w Pythonie.

Poznaj Data Version Control do zarządzania danymi ML. Opanuj konfigurację, automatyzuj pipeline’y i oceniaj modele bezproblemowo.

Poznaj wyzwania monitorowania modeli machine learning w produkcji, w tym drift danych i konceptu, oraz metody przeciwdziałania degradacji modelu.

Ten kurs obejmuje wszystko, co musisz wiedzieć, aby zbudować podstawowy system monitorowania uczenia maszynowego w Pythonie

Poznaj Docker i odkryj jego znaczenie w zestawie narzędzi specjalisty ds. danych. Poznaj kontenery Docker, obrazy i nie tylko.

Usprawnij rozwój Machine Learning dzięki CI/CD z GitHub Actions i Data Version Control