After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Introduktion till end-to-end-maskininlärning
Fördjupa dig i maskininlärningens värld och upptäck hur du designar, tränar och driftsätter end-to-end-modeller med denna omfattande kurs. Genom engagerande, verklighetsnära exempel och praktiska övningar lär du dig att hantera komplexa dataproblem och bygga kraftfulla ML-modeller. I slutet av den här kursen kommer du att ha de färdigheter som behövs för att skapa, övervaka och underhålla högpresterande modeller som levererar handlingsbara insikter. Förvandla din expertis inom maskininlärning med denna omfattande, praktiska kurs och bli ett komplett ML-proffs!
Utvärdera och förbättra din modell
Börja med att lära dig grunderna i explorativ dataanalys (EDA) och databeredning - du kommer att rensa och förbehandla dina data, så att de är redo för modellträning. Därefter behärskar du konsten att skapa och välja features för att optimera dina modeller för verkliga utmaningar; lär dig hur du använder biblioteket Boruta för feature selection, loggar experiment med MLFlow och finjusterar dina modeller med k-faldig korsvalidering. Upptäck hemligheterna bakom effektiva felmått och lär dig diagnostisera överanpassning, så att du ger dina modeller bästa möjliga förutsättningar för framgång.
Distribuera och övervaka din modell
Du kommer också att utforska betydelsen av feature stores och model registries i end-to-end ML-ramverk. Lär dig hur du distribuerar och övervakar din modells prestanda över tid med hjälp av Docker och AWS. Förstå konceptet datadrift och hur du upptäcker den med hjälp av statistiska tester. Implementera feedbackloopar, omträning och märkningsstrategier för att upprätthålla dina modellers prestanda i mötet med ständigt föränderliga data.
Den här kursen ger dig praktiska färdigheter som direkt kan användas i en karriär som data scientist eller machine learning engineer, så att du kan designa, driftsätta och underhålla modeller; avgörande färdigheter för att maximera affärsnyttan av machine learning-lösningar.
Förkunskapskrav
Kursplan
Kursöversikt
1
Design och utforskning
I det här inledande kapitlet arbetar du med de grundläggande stegen i ett maskininlärningsprojekt: att utforma ett användningsfall från start till slut, utforskande dataanalys och dataförberedelse. När kapitlet är slut har du en solid förståelse för de tidiga faserna i ett maskininlärningsprojekt – från att ta fram ett användningsfall till att förbereda data för vidare bearbetning och modellträning.
- Att designa ett heltäckande maskininlärningsprojekt50 XP
- Definitioner av faser i maskininlärningens livscykel50 XP
- Maskininlärningens livscykel100 XP
- Exploratory dataanalys50 XP
- Visualisera dina data100 XP
- Hitta klassobalans100 XP
- Mål med EDA100 XP
- Dataförberedelse50 XP
- Dataförberedelsefunktioner100 XP
- Avancerad imputering100 XP
- Rensa din datamängd100 XP
2
Modellträning och utvärdering
Det här kapitlet fördjupar sig i de centrala processerna för modellträning och utvärdering. Det består av fyra omfattande lektioner som fokuserar på olika aspekter av feature engineering, modellträning, loggning av experiment och modellutvärdering.
3
Modelldriftsättning
Det här kapitlet utforskar de viktigaste delarna av modelldriftsättning – en avgörande fas i maskininlärningens livscykel. Kapitlet börjar med testning och går sedan vidare till arkitekturella komponenter, med fokus på feature stores och modellregister. Därefter behandlas paketering och containerisering. Kapitlet avslutas med en översikt av Continuous Integration och Continuous Deployment (CI/CD).
4
Modellövervakning
I det avslutande kapitlet går du igenom modellövervakningens komplexitet – en kritisk fas i maskininlärningens livscykel.
End-to-End Machine Learning
Kurs
slutförd
