ข้ามไปยังเนื้อหาหลัก

บ้าน Python

Courses

Designing Forecasting Pipelines for Production

ขั้นสูงระดับทักษะ

อัปเดตแล้ว 12/2568

Learn how to design, automate, and monitor scalable forecasting pipelines in Python.

เริ่มเรียนหลักสูตรฟรี

PythonMachine Learning4 ชม.16 videos53 Exercises4,000 เอ็กซ์พีคำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

Learn how to design, automate, and monitor scalable forecasting pipelines in Python. This advanced course walks you through the entire production workflow - from sourcing data and training models to deployment and monitoring - using tools like MLflow and Airflow.You'll start by connecting to live data sources and building your first forecast with U.S. electricity demand data. Next, you'll discover experimentation fundamentals, including backtesting, evaluation, and model registration using MLflow.Then you'll build automated forecasting pipelines with ETL processes, model registration, and Airflow orchestration. Finally, you'll learn production deployment essentials, including monitoring pipeline health, detecting model drift, and maintaining forecasting systems in real-world environments.

ข้อกำหนดเบื้องต้น

Introduction to Apache Airflow in Python Introduction to MLflow Time Series Analysis in Python

1

General Architecture

Learn how to connect to live data sources and prepare time series data for forecasting. You’ll pull hourly electricity demand data from the U.S. EIA API and build your first forecast.

Productionizing your forecast model

50 เอ็กซ์พี

Forecasting project architecture

50 เอ็กซ์พี

Benefits of experimentation frameworks

50 เอ็กซ์พี

Reviewing the input data

50 เอ็กซ์พี

Making an API request

100 เอ็กซ์พี

Preparing and visualizing the data

100 เอ็กซ์พี

Interpreting time series visualizations

50 เอ็กซ์พี

Working with a forecast object

50 เอ็กซ์พี

Forecasting with ML Models

100 เอ็กซ์พี

Evaluating forecast performance

100 เอ็กซ์พี

Visualizing forecast performance

100 เอ็กซ์พี

เริ่มบท

2

Experimentation

Discover the fundamentals of experimentation, including backtesting, evaluation, and model registration using MLflow!

Experimentation

50 เอ็กซ์พี

Forecast evaluation & experimentation

100 เอ็กซ์พี

Exploring experimentation process

50 เอ็กซ์พี

Workflow of experimentation

100 เอ็กซ์พี

Backtesting

50 เอ็กซ์พี

Defining the forecasting models

100 เอ็กซ์พี

Training models with backtesting

100 เอ็กซ์พี

Visualizing forecast results

100 เอ็กซ์พี

Model Scoring

50 เอ็กซ์พี

Transforming backtesting output

100 เอ็กซ์พี

Building a model leaderboard

100 เอ็กซ์พี

Model Registration with MLflow

50 เอ็กซ์พี

Logging tuned models

100 เอ็กซ์พี

Searching experiment results

100 เอ็กซ์พี

เริ่มบท

3

Setting Automation

Learn how to build automated forecasting pipelines that refresh data and predictions daily. You'll set up ETL processes, register models with MLflow, and orchestrate everything with Airflow. Create a production-ready system with data validation and logging to monitor pipeline health.

Pipeline architecture

50 เอ็กซ์พี

Defining the forecasting pipeline

100 เอ็กซ์พี

Fitting the model

100 เอ็กซ์พี

Registering the model

100 เอ็กซ์พี

Data ingestion

50 เอ็กซ์พี

Data parity checks

50 เอ็กซ์พี

Defining the schema

100 เอ็กซ์พี

Performing data validation

100 เอ็กซ์พี

50 เอ็กซ์พี

Setting up the DAG

100 เอ็กซ์พี

Creating the DAG

100 เอ็กซ์พี

Defining pipeline execution order

100 เอ็กซ์พี

Logs

50 เอ็กซ์พี

Monitoring ETL logs

50 เอ็กซ์พี

Monitoring forecasting logs

50 เอ็กซ์พี

เริ่มบท

4

From Deployment to Production

Discover the essentials of production deployment, from monitoring the pipeline health to detecting model drift. You'll learn best practices for reproducibility, scaling, and maintaining forecasting systems in real-world environments.

Pipeline Deployment to Production

50 เอ็กซ์พี

What could go wrong?

100 เอ็กซ์พี

Monitoring vs Observability

100 เอ็กซ์พี

Pipeline Monitoring

50 เอ็กซ์พี

Categorizing API risks

100 เอ็กซ์พี

Building a mitigation plan

50 เอ็กซ์พี

Model Drift

50 เอ็กซ์พี

Calculating a threshold and moving averages

100 เอ็กซ์พี

Identifying model drift

100 เอ็กซ์พี

Best practices

50 เอ็กซ์พี

Development best practices

50 เอ็กซ์พี

Scaling forecasting pipelines

50 เอ็กซ์พี

Congratulations!

50 เอ็กซ์พี

เริ่มบท

Designing Forecasting Pipelines for Production

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Designing Forecasting Pipelines for Production วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา