Chuyển đến nội dung chính
Trang chủMachine Learning

Khóa học

Các khái niệm Giám sát Machine Learning

Trung cấpTrình độ kỹ năng
Đã cập nhật tháng 05, 2026
Tìm hiểu các thách thức khi giám sát mô hình học máy trong sản xuất, như trôi dữ liệu, trôi khái niệm và cách khắc phục suy giảm mô hình.
Bắt Đầu Khóa Học Miễn Phí
TheoryMachine Learning
2 gio
11 video
33 Bài tập
2,050 XP
5,018
Giấy chứng nhận Thành tích

Tạo Tài Khoản Miễn Phí

Tiếp tục với GoogleHiển thị thêm tùy chọn

hoặc


Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Được người học tại hàng ngàn công ty yêu thích

Group

Đào tạo một đội ngũ?

Dùng thử cho Doanh nghiệp

Mô tả khóa học

Các khái niệm về giám sát học máy

Các mô hình học máy ngày càng có ảnh hưởng đến nhiều quyết định trong thế giới thực. Các mô hình này cần được giám sát để ngăn chặn sự cố và đảm bảo rằng chúng mang lại giá trị kinh doanh cho công ty của quý vị. Khóa học này sẽ giới thiệu cho quý vị các khái niệm cơ bản về việc xây dựng một hệ thống giám sát mạnh mẽ cho các mô hình của quý vị trong môi trường sản xuất.

Khám phá quy trình giám sát lý tưởng

Khóa học bắt đầu với bản thiết kế về nơi bắt đầu giám sát trong sản xuất và cách cấu trúc các quy trình xung quanh nó. Chúng tôi sẽ trình bày quy trình làm việc cơ bản bằng cách hướng dẫn quý vị cách phát hiện các vấn đề, xác định nguyên nhân gốc rễ và giải quyết chúng thông qua các ví dụ thực tế.

Khám phá những thách thức trong việc giám sát các mô hình trong sản xuất

Việc triển khai mô hình trong sản xuất chỉ là bước đầu tiên trong vòng đời của mô hình. Ngay cả khi nó hoạt động tốt trong quá trình phát triển, nó vẫn có thể gặp sự cố do dữ liệu sản xuất liên tục thay đổi. Trong khóa học này, quý vị sẽ tìm hiểu về những thách thức trong việc theo dõi hiệu suất của mô hình, đặc biệt là khi không có dữ liệu tham chiếu chính xác.

Hiểu chi tiết về sự thay đổi biến số và sự thay đổi khái niệm

Phần cuối cùng của khóa học này sẽ tập trung vào hai loại sự cố của mô hình im lặng. Quý vị sẽ hiểu rõ về các loại thay đổi biến giải thích và sự thay đổi khái niệm, ảnh hưởng của chúng đối với hiệu suất mô hình, cũng như cách phát hiện và ngăn chặn chúng.

Điều kiện tiên quyết

MLOps ConceptsSupervised Learning with scikit-learn
1

ML Monitoring là gì

Chương đầu sẽ giải thích vì sao doanh nghiệp cần giám sát mô hình machine learning của bạn trong production. Bạn sẽ tìm hiểu quy trình giám sát lý tưởng và các bước liên quan, cùng với một số thách thức mà hệ thống giám sát có thể gặp phải khi vận hành trong production.
Bắt Đầu Chương
2

Các khái niệm lý thuyết về giám sát

Trong Chương 2, bạn sẽ khám phá tầm quan trọng nền tảng của việc giám sát hiệu năng trong một hệ thống giám sát đáng tin cậy. Chúng ta sẽ tìm hiểu các thách thức thường gặp trong môi trường production thực tế, như tính sẵn có của ground truth. Kết thúc chương, bạn sẽ biết cách xử lý khi dữ liệu ground truth bị trễ hoặc không có, bằng cách sử dụng các thuật toán ước lượng hiệu năng.
Bắt Đầu Chương
3

Phát hiện Covariate Shift và Concept Drift

Các khái niệm Giám sát Machine Learning
Hoàn
Thành

Nhận Giấy Chứng Nhận Hoàn Thành

Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của ban
Chia sẻ trên mạng xã hội và trong đánh giá hiệu suất của ban
Đăng ký ngay

Tham gia cùng hơn 19 triệu học viên và bắt đầu Các khái niệm Giám sát Machine Learning ngay hôm nay!

Tạo Tài Khoản Miễn Phí

Tiếp tục với GoogleHiển thị thêm tùy chọn

hoặc


Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động

Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.