Build your ultimate AI agent
Kurs Açıklaması
Python'da ML modellerinizi nasıl izleyeceğinizi öğrenin
Makine öğrenimi modellerini izlemek, makine öğrenimi projelerinizin uzun vadeli başarısını garanti eder. İzleme çok karmaşık olabilir, ancak modellerimizin nasıl çalıştığını, performans düşüşüne neden olabilecek hangi verilerin değiştiğini anlamamıza yardımcı olan ve modellerimizi tekrar rayına oturtmak için ne yapmamız gerektiğine dair ipuçları veren Python paketleri mevcuttur. Bu kurs, popüler monitör paketi nannyml kullanarak Python'da temel bir izleme sistemi oluşturmak için bilmeniz gereken her şeyi kapsar.Optimum izleme iş akışını anlayın
Model izleme, sadece üretimdeki model performansını hesaplamakla sınırlı değildir. Maalesef, bu o kadar kolay değil. Özellikle etiketleri bulmak zor olduğunda. Bu kurs size en uygun izleme iş akışını öğretecektir. Bu, model hatalarını her zaman yakalamanızı, uyarı yorgunluğunu önlemenizi ve sorunun kaynağına hızlı bir şekilde ulaşmanızı sağlayacaktır.Model performans sorunlarının temel nedenini bulmayı öğrenin
Modelleme izlemede bir diğer önemli bileşen ise kök neden analizidir. Bu kurs, model performans sorunlarının temel nedenini bulmak için veri sapma algılama tekniklerinin nasıl kullanılacağını ele alacaktır. Model sorunlarının olası temel nedenlerini ortaya çıkarmak için tek değişkenli ve çok değişkenli veri sapma algılama tekniklerini nasıl kullanacağınızı öğreneceksiniz.Ön Koşullar
Müfredat
Kurs içeriği
1
Veri Hazırlama ve Performans Tahmini
Bu bölümde NannyML kütüphanesi ve temel işlevleriyle tanışacaksın. Önce, ham veriyi üretim izlemeye hazır başvuru ve analiz setlerine dönüştürme sürecini öğreneceksin. Uygulamalı bir örnek olarak, New York’taki taksi yolculuklarında bahşiş tutarını tahmin etmeyi inceleyeceksin. Bölümün sonunda, NannyML kullanarak bahşiş tahmin modeli performansını nasıl tahmin edeceğini de keşfedeceksin.
- NannyML nedir?50 XP
- NannyML'in temel özellikleri50 XP
- Veri kümesini yükle100 XP
- NannyML için veri hazırlama50 XP
- Referans mı analiz dönemi mi?100 XP
- Veriyi yükleme ve bölme100 XP
- Referans ve analiz kümesi oluşturma100 XP
- Performans tahmini50 XP
- Algoritmayı ve problem türünü belirt50 XP
- Sonuçları yorumlama50 XP
- CBPE ve DLE iş akışı100 XP
- Bahşiş tahmini için performans kestirimi100 XP
2
Performans ve İş Değerinin İzlenmesi
Bu bölümde, gerçek etiketler elde edildiğinde kullanılan gerçekleşen performans hesaplayıcılarıyla tanışacaksın. Sonuçları ele almak için filtreleme, görselleştirme, veri çerçevelerine dönüştürme, parçalara ayırma (chunking) ve özel eşikler belirleme gibi daha ileri yöntemleri öğreneceksin. Son olarak, bu bilgiyi otel rezervasyonu veri kümesi üzerinde eğitilmiş bir modelin iş değerini hesaplamak için uygulayacaksın.
3
Kök Neden Analizi ve Sorun Giderme
Otel rezervasyonu modelindeki performans düşüşünü tespit ettikten sonra, şimdi buna neden olan temel sorunu nasıl belirleyeceğini öğreneceksin. Bu bölümde çok değişkenli ve tek değişkenli sürüklenme (drift) tespit yöntemlerine giriş yapacaksın. Ayrıca veri kalitesi sorunlarını nasıl belirleyeceğini ve saptadığın temel problemleri nasıl ele alacağını öğreneceksin.
Python ile Machine Learning İzleme
Kurs
Tamamlandı
