After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
Concepte de monitorizare a învățării automate
Modelele de învățare automată influențează din ce în ce mai multe decizii în lumea reală. Aceste modele au nevoie de monitorizare pentru a preveni eșecul și pentru a se asigura că oferă valoare de business companiei tale. Acest curs vă va introduce în conceptele fundamentale ale creării unui sistem robust de monitorizare pentru modelele dvs. în producție.Descoperă fluxul de lucru ideal pentru monitorizare
Cursul începe cu planul de unde să începi monitorizarea în producție și cum să structurezi procesele din jurul acesteia. Vom acoperi fluxul de lucru de bază, arătându-ți cum să detectezi problemele, să identifici cauzele principale și să le rezolvi cu exemple din lumea reală.Explorează provocările monitorizării modelelor în producție
Implementarea unui model în producție este doar începutul ciclului de viață al modelului. Chiar dacă funcționează bine în timpul dezvoltării, poate eșua din cauza datelor de producție aflate în continuă schimbare. În acest curs, vei explora dificultățile monitorizării performanței unui model, mai ales atunci când nu există adevăr de referință.Înțelege în detaliu covariate shift și concept drift
Ultima parte a acestui curs se va concentra pe două tipuri de eșec silențios al modelului. Vei înțelege în detaliu diferitele tipuri de covariate shifts și concept drift, influența lor asupra performanței modelului și cum să le detectezi și să le previi.Cerințe prealabile
Curriculum
Structura cursului
1
Ce este monitorizarea ML
Primul capitol explică de ce companiile trebuie să monitorizeze modelele de machine learning în producție. Vei învăța despre fluxul ideal de monitorizare și pașii implicați, precum și despre unele dintre provocările pe care le pot întâmpina sistemele de monitorizare în producție.
- De ce trebuie să îți monitorizezi modelul50 XP
- De ce eșuează modelele?50 XP
- Beneficiile sistemelor de monitorizare50 XP
- Fluxul ideal de monitorizare50 XP
- Importanța monitorizării KPI-urilor50 XP
- Fluxul ideal de monitorizare100 XP
- Fluxul de monitorizare într-un scenariu real100 XP
- Provocările monitorizării modelelor ML50 XP
- Adevărul de referință întârziat100 XP
- Covariate shift vs. concept drift100 XP
2
Concepte teoretice ale monitorizării
În Capitolul 2, vei descoperi importanța fundamentală a monitorizării performanței într-un sistem de monitorizare fiabil. Vom explora provocările frecvente din mediile de producție reale, cum ar fi disponibilitatea adevărului de referință. La finalul capitolului, vei ști cum să gestionezi situațiile în care datele de adevăr de referință întârzie sau lipsesc, folosind algoritmi de estimare a performanței.
3
Detecția schimbării covariatelor și a driftului conceptual
Acum că știi elementele de bază ale schimbării covariatelor și ale driftului conceptual în producție, hai să aprofundăm puțin. La finalul acestui capitol, vei cunoaște diferitele metode de detectare și gestionare a acestora în scenarii reale.
Monitorizarea conceptelor de Machine Learning
Curs
finalizat
