Introduzione all'apprendimento automatico end-to-end

Immergiti nel mondo dell'apprendimento automatico e scopri come progettare, addestrare e implementare modelli end-to-end con questo corso completo. Grazie a esempi pratici e coinvolgenti e a esercizi pratici, imparerai ad affrontare problemi complessi legati ai dati e a creare modelli di ML efficaci. Alla fine di questo corso, avrai tutte le competenze che ti servono per creare, controllare e mantenere modelli super efficaci che ti danno informazioni utili. Trasforma le tue competenze nel machine learning con questo corso completo e pratico e diventa un professionista del ML a tutto tondo!

Valuta e migliora il tuo modello

Inizia imparando le basi dell'analisi esplorativa dei dati (EDA) e della preparazione dei dati: pulirai e pre-elaborerai i tuoi dati, assicurandoti che siano pronti per l'addestramento del modello. Poi, impara bene come lavorare con le caratteristiche e selezionarle per ottimizzare i tuoi modelli per le sfide del mondo reale; scopri come usare la libreria Boruta per la selezione delle caratteristiche, registra gli esperimenti con MLFlow e aggiusta i tuoi modelli usando la validazione incrociata k-fold. Scopri i segreti delle metriche di errore efficaci e diagnostica l'overfitting, preparando i tuoi modelli al successo.

Distribuisci e controlla il tuo modello

Scoprirai anche quanto sono importanti i feature store e i model registry nei framework ML end-to-end. Scopri come implementare e monitorare le prestazioni del tuo modello nel tempo usando Docker e AWS. Capire cos'è la deriva dei dati e come individuarla usando test statistici. Usa feedback, aggiornamenti e strategie di etichettatura per mantenere i tuoi modelli al top anche con dati che cambiano di continuo.

Questo corso ti darà le competenze pratiche che ti servono per lavorare come data scientist o ingegnere di machine learning, permettendoti di progettare, implementare e mantenere modelli; competenze fondamentali per sfruttare al meglio l'impatto delle soluzioni di machine learning sul business.

Concettualizzare il feedback loop

Machine Learning end-to-end

esercizio interattivo pratico