Úvod do end-to-end strojového učení

Ponořte se do světa strojového učení a objevte, jak navrhovat, trénovat a nasazovat end-to-end modely s tímto komplexním kurzem. Prostřednictvím poutavých, reálných příkladů a praktických cvičení se naučíte řešit složité datové problémy a vytvářet výkonné modely ML. Na konci tohoto kurzu budete vybaveni dovednostmi potřebnými k vytváření, monitorování a údržbě vysoce výkonných modelů, které poskytují využitelné poznatky. Proměňte své odborné znalosti v oblasti strojového učení s tímto komplexním, praktickým kurzem a staňte se ML profesionálem od začátku do konce!

Vyhodnoťte a vylepšete svůj model

Začněte tím, že se naučíte základy průzkumné analýzy dat (EDA) a přípravy dat - vyčistíte a předzpracujete svá data a zajistíte, že budou připravena pro trénování modelu. Dále si osvojíte umění feature engineeringu a výběru příznaků, abyste optimalizovali své modely pro reálné výzvy; naučíte se používat knihovnu Boruta pro výběr příznaků, zaznamenávat experimenty pomocí MLFlow a dolaďovat své modely pomocí křížové validace k-fold. Odhalte tajemství efektivních metrik chyb a diagnostikujte přeučení, abyste své modely připravili na úspěch.

Nasazujte a monitorujte svůj model

Prozkoumáte také význam feature stores a model registries v end-to-end ML frameworkech. Naučte se nasazovat a monitorovat výkon svého modelu v čase pomocí Dockeru a AWS. Pochopte koncept driftu dat a naučte se jej detekovat pomocí statistických testů. Implementujte zpětnovazební smyčky, přeučování a strategie označování, abyste udrželi výkon svých modelů tváří v tvář neustále se měnícím datům.

Tento kurz vás vybaví praktickými dovednostmi přímo využitelnými pro kariéru datového vědce nebo inženýra strojového učení, díky nimž budete schopni navrhovat, nasazovat a udržovat modely; klíčové dovednosti pro využití obchodního dopadu řešení strojového učení.

Definice fází životního cyklu machine learningu

Strojové učení od začátku do konce

Interaktivní praktické cvičení