or
Questo esercizio fa parte del corso
In questo capitolo iniziale, ti occuperai delle fasi fondamentali di ogni progetto di machine learning: progettare un caso d’uso end-to-end di machine learning, eseguire l’analisi esplorativa dei dati ed effettuare la preparazione dei dati. Alla fine del capitolo, avrai una solida comprensione delle prime fasi di un progetto di machine learning, dall’ideazione di un caso d’uso alla preparazione dei dati per l’elaborazione successiva e l’addestramento del modello.
Questo capitolo approfondisce i processi essenziali di addestramento e valutazione del modello. Comprende quattro lezioni complete, incentrate su diversi aspetti dell’ingegnerizzazione e selezione delle feature, dell’addestramento del modello, della registrazione degli esperimenti e della valutazione del modello.
Questo capitolo affronta gli elementi essenziali della distribuzione del modello, una fase cruciale nel ciclo di vita del machine learning. A partire dal testing, il capitolo prosegue con i componenti architetturali, con un focus su feature store e model registry. Successivamente, entreremo nell’ambito del packaging e della containerizzazione. Il capitolo si conclude con una panoramica di Continuous Integration e Continuous Deployment (CI/CD).
Nel capitolo finale, affronterai le complessità del monitoraggio del modello, una fase fondamentale nel ciclo di vita del machine learning.
Esercizio attuale