วิศวกรแมชชีนเลิร์นนิง

พัฒนาทักษะแมชชีนเลิร์นนิงของคุณด้วย scikit-learn ใน Python ใช้ชุดข้อมูลจริงในคอร์สแบบโต้ตอบนี้ และเรียนรู้วิธีสร้างการคาดการณ์ที่ทรงพลัง!

ค้นพบว่า MLOps ช่วยนำโมเดลแมชชีนเลิร์นนิงจากโน้ตบุ๊กในเครื่องสู่โมเดลที่ใช้งานจริงในโปรดักชันซึ่งสร้างมูลค่าทางธุรกิจได้อย่างไร

บรรทัดคำสั่ง Unix ช่วยให้ผู้ใช้ผสานโปรแกรมที่มีอยู่ในรูปแบบใหม่ ทำงานซ้ำอัตโนมัติ และรันโปรแกรมบนคลัสเตอร์และคลาวด์

Dive into agriculture using supervised machine learning and feature selection to aid farmers in crop cultivation and solve real-world problems.

ในคอร์สนี้ คุณจะได้สำรวจเฟรมเวิร์ก MLOps สมัยใหม่ ครอบคลุมวงจรชีวิตและการนำโมเดลแมชชีนเลิร์นนิงไปใช้งาน

เรียนรู้วิธีใช้ MLflow เพื่อทำให้ความซับซ้อนของการสร้างแอปพลิเคชันแมชชีนเลิร์นนิงง่ายขึ้น สำรวจ MLflow tracking, projects, models และ model registry.

Perform a machine learning experiment to find the best model that predicts the temperature in London!

เรียนรู้การสร้าง data pipelines ที่มีประสิทธิภาพและเชื่อถือได้ด้วยหลักการ Extract, Transform, and Load

ยกระดับคุณภาพข้อมูลในเวิร์กโฟลว์ data science และ data engineering ด้วยไลบรารี Great Expectations ของ Python

สำรวจ Data Version Control สำหรับการจัดการข้อมูล ML เชี่ยวชาญการตั้งค่า ทำงานอัตโนมัติให้ไปป์ไลน์ และประเมินโมเดลได้อย่างราบรื่น

เรียนรู้ความท้าทายของการมอนิเตอร์โมเดลแมชชีนเลิร์นนิงในโปรดักชัน รวมถึง data drift และ concept drift และวิธีรับมือกับการเสื่อมประสิทธิภาพของโมเดล

คอร์สนี้ครอบคลุมทุกสิ่งที่คุณต้องรู้เพื่อสร้างระบบมอนิเตอร์แมชชีนเลิร์นนิงพื้นฐานใน Python

รู้จัก Docker และค้นพบความสำคัญของมันในชุดเครื่องมือของผู้เชี่ยวชาญด้านข้อมูล เรียนรู้เกี่ยวกับคอนเทนเนอร์ Docker, อิมเมจ และอื่นๆ

ยกระดับการพัฒนา Machine Learning ของคุณด้วย CI/CD โดยใช้ GitHub Actions และ Data Version Control