După ce am parcurs aceste cursuri, mă simt încrezător să creez vizualizări și tablouri de bord profesionale
Shoebur RahmanSpecialist în achiziții, Giz Bangladesh
Descrierea cursului
Învață cum să monitorizezi modelele tale ML în Python
Monitorizarea modelelor de machine learning asigură succesul pe termen lung al proiectelor tale de machine learning. Monitorizarea poate fi foarte complexă, însă există pachete Python care ne ajută să înțelegem cum performează modelele noastre, ce date s-au schimbat și ar fi putut duce la o scădere a performanței și ne oferă indicii despre ce trebuie să facem pentru a readuce modelele pe drumul cel bun. Acest curs acoperă tot ce trebuie să știi pentru a construi un sistem de monitorizare de bază în Python, folosind popularul pachet de monitorizare, nannyml.Înțelege fluxul optim de lucru pentru monitorizare
Monitorizarea modelelor nu înseamnă doar să calculezi simplu performanța modelului în producție. Din păcate, nu este chiar atât de simplu. Mai ales atunci când etichetele sunt greu de găsit. Acest curs vă va învăța despre fluxul de lucru optim de monitorizare. Va asigura că vei detecta întotdeauna eșecurile modelului, vei evita oboseala cauzată de alerte și vei ajunge rapid la cauza principală a problemei.Învață cum să identifici cauza principală a problemelor de performanță ale modelului
Un alt component important al monitorizării modelelor este analiza cauzei principale. Acest curs va explora în profunzime cum să folosești tehnici de detectare a derivației datelor pentru a ajunge la cauza principală a problemelor de performanță ale modelului. Vei învăța cum să folosești atât tehnici de detectare a driftului de date univariate, cât și multivariate, pentru a identifica posibilele cauze principale ale problemelor modelului.Cerințe prealabile
Programă
Planul cursului
1
Pregătirea datelor și estimarea performanței
În acest capitol vei face cunoștință cu biblioteca NannyML și cu funcțiile sale de bază. Vei învăța cum să pregătești datele brute pentru a crea seturi de referință și de analiză, gata pentru monitorizarea în producție. Ca exemplu practic, vei analiza predicția valorii bacșișului pentru curse de taxi în New York. Spre finalul capitolului, vei descoperi și cum să estimezi performanța modelului de predicție folosind NannyML.
- Ce este NannyML?50 XP
- Funcționalitățile cheie ale NannyML50 XP
- Încarcă setul de date100 XP
- Pregătirea datelor pentru NannyML50 XP
- Perioadă de referință sau de analiză?100 XP
- Încărcarea și împărțirea datelor100 XP
- Crearea setului de referință și a setului de analiză100 XP
- Estimarea performanței50 XP
- Specifică algoritmul și tipul de problemă50 XP
- Interpretarea rezultatelor50 XP
- Fluxul de lucru CBPE și DLE100 XP
- Estimarea performanței pentru predicția bacșișului100 XP
2
Monitorizarea performanței și a valorii de business
În acest capitol vei face cunoștință cu calculatoarele de performanță realizată, utilizate atunci când etichetele reale devin disponibile. Vei învăța metode mai avansate de gestionare a rezultatelor: filtrare, vizualizare, conversie în cadre de date, segmentare în chunk-uri și definirea de praguri personalizate. La final, vei aplica aceste cunoștințe pentru a calcula valoarea de business a unui model antrenat pe setul de date privind rezervările hoteliere.
3
Analiza cauzelor și rezolvarea problemelor
După ce ai detectat degradarea performanței modelului pentru rezervări hoteliere, vei învăța acum cum să identifici cauza problemei. În acest capitol vei fi introdus în metodele de detectare a driftului multivariat și univariat. Vei învăța, de asemenea, cum să identifici probleme de calitate a datelor și cum să rezolvi problemele detectate.
Monitorizarea Machine Learning în Python
Curs
finalizat
