or
To ćwiczenie jest częścią kursu
W tym rozdziale poznasz bibliotekę NannyML i jej podstawowe funkcje. Dowiesz się, jak przygotować surowe dane, tworząc zbiory referencyjne i analityczne gotowe do monitorowania produkcyjnego. Jako praktyczny przykład przyjrzysz się przewidywaniu napiwku za przejazd taksówką w Nowym Jorku. Pod koniec rozdziału nauczysz się też, jak szacować wydajność modelu przewidywania napiwków za pomocą NannyML.
W tym rozdziale poznasz kalkulatory rzeczywistej wydajności, używane gdy dostępne są etykiety docelowe. Nauczysz się bardziej zaawansowanych metod pracy z wynikami: filtrowania, tworzenia wykresów, konwersji do ramek danych, podziału na fragmenty oraz definiowania własnych progów. Na koniec zastosujesz zdobytą wiedzę do obliczenia wartości biznesowej modelu wytrenowanego na zbiorze danych dotyczącym rezerwacji hotelowych.
Po wykryciu pogorszenia wydajności modelu rezerwacji hotelowych nauczysz się teraz identyfikować przyczyny źródłowe tego problemu. W tym rozdziale poznasz metody wykrywania dryftu wielowymiarowego i jednowymiarowego. Dowiesz się również, jak wykrywać problemy z jakością danych i jak je rozwiązywać.
Bieżące ćwiczenie