Introdução ao machine learning de ponta a ponta

Mergulhe no mundo do machine learning e descubra como projetar, treinar e implantar modelos completos com este curso abrangente. Com exemplos práticos e exercícios interativos, você vai aprender a resolver problemas complexos com dados e criar modelos poderosos de ML. Ao final deste curso, você estará equipado com as habilidades necessárias para criar, monitorar e manter modelos de alto desempenho que fornecem insights acionáveis. Transforme sua experiência em machine learning com este curso prático e abrangente e torne-se um profissional completo em ML!

Avalie e aprimore seu modelo

Comece aprendendo o básico sobre análise exploratória de dados (EDA) e preparação de dados — você vai limpar e pré-processar seus dados, garantindo que eles estejam prontos para o treinamento do modelo. Depois, domine a arte da engenharia e seleção de recursos para otimizar seus modelos para os desafios do mundo real; aprenda a usar a biblioteca Boruta para seleção de recursos, registre experimentos com o MLFlow e ajuste seus modelos usando validação cruzada k-fold. Descubra os segredos das métricas de erro eficazes e diagnostique o sobreajuste, preparando seus modelos para o sucesso.

Implemente e monitore seu modelo

Você também vai ver como os armazenamentos de recursos e registros de modelos são importantes nas estruturas de ML de ponta a ponta. Aprenda a implantar e monitorar o desempenho do seu modelo ao longo do tempo usando o Docker e a AWS. Entenda o conceito de desvio de dados e como detectá-lo usando testes estatísticos. Use feedback, reciclagem e estratégias de rotulagem para manter o desempenho dos seus modelos mesmo com os dados sempre mudando.

Esse curso vai te dar habilidades práticas que você pode usar direto numa carreira como cientista de dados ou engenheiro de machine learning, permitindo que você crie, implemente e mantenha modelos; habilidades essenciais para aproveitar o impacto comercial das soluções de machine learning.

Funcionalidade do MLflow

Machine Learning de ponta a ponta

exercicio interativo prático