Introduction à l'apprentissage automatique de bout en bout

Plongez dans l'univers du machine learning et découvrez comment concevoir, former et déployer des modèles de bout en bout grâce à ce cours complet. Grâce à des exemples concrets et captivants ainsi qu'à des exercices pratiques, vous apprendrez à résoudre des problèmes complexes liés aux données et à créer des modèles d'apprentissage automatique performants. À la fin de ce cours, vous disposerez des compétences nécessaires pour créer, surveiller et maintenir des modèles hautement performants qui fournissent des informations exploitables. Transformez votre expertise en apprentissage automatique grâce à cette formation pratique et complète, et devenez un professionnel de bout en bout dans ce domaine.

Évaluer et améliorer votre modèle

Commencez par acquérir les bases de l'analyse exploratoire des données (EDA) et de la préparation des données. Vous nettoierez et prétraitez vos données afin de vous assurer qu'elles sont prêtes pour l'entraînement du modèle. Ensuite, veuillez maîtriser l'art de l'ingénierie et de la sélection des caractéristiques afin d'optimiser vos modèles pour les défis du monde réel ; apprenez à utiliser la bibliothèque Boruta pour la sélection des caractéristiques, enregistrez vos expériences avec MLFlow et affinez vos modèles à l'aide de la validation croisée k-fold. Découvrez les secrets d'une mesure efficace des erreurs et diagnostiquez le surajustement afin de garantir la réussite de vos modèles.

Déployez et surveillez votre modèle

Vous explorerez également l'importance des magasins de fonctionnalités et des registres de modèles dans les cadres ML de bout en bout. Découvrez comment déployer et surveiller les performances de votre modèle au fil du temps à l'aide de Docker et d'AWS. Comprenez le concept de dérive des données et comment la détecter à l'aide de tests statistiques. Mettez en place des boucles de rétroaction, des stratégies de recyclage et d'étiquetage afin de maintenir les performances de vos modèles face à des données en constante évolution.

Ce cours vous permettra d'acquérir des compétences pratiques directement applicables à une carrière de data scientist ou d'ingénieur en apprentissage automatique, vous permettant de concevoir, déployer et maintenir des modèles ; des compétences essentielles pour tirer parti de l'impact commercial des solutions d'apprentissage automatique.

	Positif réel	Négatif réel
Prédit positif	30	10
Prédit négatif	20	50

Comprendre les matrices de confusion

Exercice interactif pratique