After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Giới thiệu về Học Máy End-to-End
Khám phá thế giới học máy và tìm hiểu cách thiết kế, huấn luyện, triển khai các mô hình end-to-end với khóa học toàn diện này. Thông qua các ví dụ thực tế hấp dẫn và bài tập thực hành, bạn sẽ học cách giải quyết các vấn đề dữ liệu phức tạp và xây dựng các mô hình ML mạnh mẽ. Vào cuối khóa học này, bạn sẽ được trang bị các kỹ năng cần thiết để tạo, giám sát và duy trì các mô hình hiệu suất cao mang lại những thông tin hữu ích có thể hành động. Nâng tầm chuyên môn học máy của bạn với khóa học toàn diện, thực hành này và trở thành một chuyên gia ML từ đầu đến cuối!
Đánh giá và Cải thiện Mô hình của Bạn
Bắt đầu bằng cách tìm hiểu những kiến thức cơ bản về phân tích dữ liệu khám phá (EDA) và chuẩn bị dữ liệu – bạn sẽ làm sạch và tiền xử lý dữ liệu của mình, đảm bảo dữ liệu sẵn sàng cho huấn luyện mô hình. Tiếp theo, hãy thành thạo nghệ thuật xây dựng đặc trưng và lựa chọn đặc trưng để tối ưu hóa các mô hình của bạn cho những thách thức thực tế; học cách sử dụng thư viện Boruta để lựa chọn đặc trưng, ghi lại các thí nghiệm với MLFlow và tinh chỉnh các mô hình của bạn bằng cách sử dụng kiểm định chéo k-fold. Khám phá bí quyết của các chỉ số lỗi hiệu quả và chẩn đoán hiện tượng overfitting, giúp mô hình của bạn đạt được thành công.
Triển khai và Giám sát Mô hình của Bạn
Bạn cũng sẽ tìm hiểu tầm quan trọng của feature store và model registry trong các framework ML end-to-end. Tìm hiểu cách triển khai và giám sát hiệu suất của mô hình của bạn theo thời gian bằng Docker và AWS. Hiểu khái niệm về data drift và cách phát hiện nó bằng các kiểm định thống kê. Triển khai các vòng phản hồi, huấn luyện lại và chiến lược gán nhãn để duy trì hiệu suất của mô hình của bạn trước dữ liệu luôn thay đổi.
Khóa học này sẽ trang bị cho bạn các kỹ năng thực tiễn có thể áp dụng trực tiếp vào sự nghiệp như một Nhà khoa học dữ liệu hoặc kỹ sư học máy, cho phép bạn thiết kế, triển khai và duy trì các mô hình; những kỹ năng quan trọng để tận dụng tác động kinh doanh của các giải pháp học máy.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Thiết kế và Khám phá
Trong chương mở đầu này, bạn sẽ tham gia các bước nền tảng của bất kỳ dự án machine learning nào: thiết kế một bài toán machine learning end-to-end, phân tích dữ liệu khám phá (EDA), và chuẩn bị dữ liệu. Kết thúc chương, bạn sẽ nắm vững các giai đoạn đầu của một dự án machine learning, từ việc hình dung use case đến chuẩn bị dữ liệu cho các bước xử lý tiếp theo và huấn luyện mô hình.
- Thiết kế một use case Machine Learning end-to-end50 XP
- Định nghĩa các giai đoạn trong vòng đời Machine Learning50 XP
- Vòng đời Machine learning100 XP
- Phân tích khám phá dữ liệu50 XP
- Trực quan hóa dữ liệu của bạn100 XP
- Tìm mất cân bằng lớp100 XP
- Mục tiêu của EDA100 XP
- Chuẩn bị dữ liệu50 XP
- Các hàm chuẩn bị dữ liệu100 XP
- Imputation nâng cao100 XP
- Làm sạch dữ liệu của bạn100 XP
2
Huấn luyện và Đánh giá Mô hình
Chương này đi sâu vào các quy trình cốt lõi của việc huấn luyện và đánh giá mô hình. Nội dung gồm bốn bài học toàn diện, tập trung vào nhiều khía cạnh của kỹ thuật đặc trưng (feature engineering), huấn luyện mô hình, ghi log thí nghiệm, và đánh giá mô hình.
3
Triển khai Mô hình
Chương này đi vào các thành phần thiết yếu của việc triển khai mô hình, một giai đoạn quan trọng trong vòng đời machine learning. Bắt đầu với kiểm thử, chương học tiếp tục với các thành phần kiến trúc, tập trung vào feature store và model registry. Sau đó, chúng ta sẽ tìm hiểu về đóng gói và container hóa. Chương kết thúc với phần tổng quan về Tích hợp liên tục và Triển khai liên tục (CI/CD).
4
Giám sát Mô hình
Ở chương cuối, bạn sẽ tìm hiểu chi tiết về giám sát mô hình, một giai đoạn then chốt trong vòng đời machine learning.
Machine Learning End-to-End
Hoàn
thành khóa học
