After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
Introducere în învățarea automată end-to-end
Pătrunde în lumea învățării automate și descoperă cum să proiectezi, să antrenezi și să implementezi modele end-to-end cu acest curs cuprinzător. Prin exemple captivante din lumea reală și exerciții practice, vei învăța să abordezi probleme complexe de date și să construiești modele ML puternice. Până la finalul acestui curs, vei avea competențele necesare pentru a crea, monitoriza și menține modele performante care oferă informații utile și acționabile. Transformă-ți expertiza în machine learning cu acest curs complet, practic, și devino un profesionist ML end-to-end!
Evaluează și îmbunătățește modelul tău
Începe prin a învăța elementele esențiale ale analizei exploratorii a datelor (EDA) și ale pregătirii datelor - vei curăța și preprocesa datele, asigurându-te că sunt gata pentru antrenarea modelului. Apoi, stăpânește arta ingineriei și selecției de caracteristici pentru a-ți optimiza modelele în fața provocărilor din lumea reală; învață cum să folosești biblioteca Boruta pentru selecția caracteristicilor, să înregistrezi experimentele cu MLFlow și să-ți ajustezi fin modelele folosind validarea încrucișată k-fold. Descoperă secretele metricilor eficiente de eroare și diagnostichează overfitting-ul, pregătindu-ți modelele pentru succes.
Implementează și monitorizează modelul tău
Vei explora, de asemenea, importanța feature stores și a model registries în framework-urile ML end-to-end. Învață cum să implementezi și să monitorizezi performanța modelului tău în timp folosind Docker și AWS. Înțelege conceptul de data drift și cum să îl detectezi folosind teste statistice. Implementați bucle de feedback, retraining și strategii de etichetare pentru a menține performanța modelelor dvs. în fața datelor aflate într-o continuă schimbare.
Acest curs îți va oferi abilități practice, direct aplicabile unei cariere de data scientist sau machine learning engineer, permițându-ți să proiectezi, să implementezi și să menții modele; abilități esențiale pentru a valorifica impactul de business al soluțiilor de machine learning.
Cerințe prealabile
Curriculum
Structura cursului
1
Proiectare și explorare
În acest prim capitol, vei parcurge etapele fundamentale ale oricărui proiect de machine learning: proiectarea unui caz de utilizare end-to-end, analiza exploratorie a datelor și pregătirea datelor. La finalul capitolului, vei avea o înțelegere solidă a etapelor inițiale ale unui proiect de machine learning, de la conceptualizarea cazului de utilizare până la pregătirea datelor pentru procesare ulterioară și antrenarea modelului.
- Proiectarea unui caz de utilizare de Machine Learning end-to-end50 XP
- Definiții ale fazelor ciclului de viață al învățării automate50 XP
- Ciclul de viață al învățării automate100 XP
- Analiză exploratorie a datelor50 XP
- Vizualizarea datelor100 XP
- Identificarea dezechilibrului de clase100 XP
- Obiectivele EDA100 XP
- Pregătirea datelor50 XP
- Funcții de pregătire a datelor100 XP
- Imputare avansată100 XP
- Curățarea setului de date100 XP
2
Antrenarea și evaluarea modelului
Acest capitol explorează în profunzime procesele esențiale de antrenare și evaluare a modelelor. Include patru lecții cuprinzătoare, care acoperă diverse aspecte ale inginerie caracteristicilor, antrenării modelelor, înregistrării experimentelor și evaluării modelelor.
3
Implementarea modelului
Acest capitol analizează elementele esențiale ale implementării modelelor, o etapă crucială în ciclul de viață al machine learning-ului. Pornind de la testare, capitolul avansează spre componente arhitecturale, cu accent pe stocurile de caracteristici și registrele de modele. Vom explora apoi domeniul pachetizării și containerizării. Capitolul se încheie cu o prezentare generală a Integrării Continue și Implementării Continue (CI/CD).
4
Monitorizarea modelului
În ultimul capitol, vei naviga prin complexitățile monitorizării modelelor, o etapă critică în ciclul de viață al machine learning-ului.
Machine Learning End-to-End
Curs
finalizat
