Расчёт и оценка бизнес-ценности

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Это упражнение является частью курса

Мониторинг машинного обучения на Python

SkillTag.level.advancedSkillTag.label

4.8+

371 reviews

Начать курс бесплатно

В этой главе вы познакомитесь с библиотекой NannyML и её основными функциями. Сначала вы изучите процесс подготовки исходных данных для создания эталонных и аналитических наборов, готовых к производственному мониторингу. В качестве практического примера вы будете прогнозировать размер чаевых для поездок на такси в Нью-Йорке. В конце главы вы также узнаете, как оценить производительность модели прогнозирования чаевых с помощью NannyML.

Exercise 1: Что такое NannyML?Exercise 2: Ключевые возможности NannyML Exercise 3: Загрузка набора данных Exercise 4: Подготовка данных для NannyML Exercise 5: Референсный или аналитический период?Exercise 6: Загрузка и разбивка данных Exercise 7: Создание эталонной и аналитической выборок Exercise 8: Оценка производительности Exercise 9: Выберите алгоритм и тип задачи Exercise 10: Интерпретация результатов Exercise 11: Рабочий процесс CBPE и DLE Exercise 12: Оценка производительности модели предсказания чаевых

В этой главе вы познакомитесь с калькуляторами реализованной производительности, которые применяются при наличии истинных меток. Вы изучите более продвинутые методы работы с результатами: фильтрацию, визуализацию, преобразование в датафреймы, разбиение на фрагменты и задание пользовательских порогов. В завершение вы применёте полученные знания для расчёта бизнес-ценности модели, обученной на наборе данных о бронировании отелей.

Exercise 1: Когда метки доступны Exercise 2: Когда оценка производительности даёт сбой Exercise 3: Сравнение оценочной и фактической производительности Exercise 4: Работа с вычисленными и оценочными результатами Exercise 5: Методы разбиения на чанки Exercise 6: Настройка пороговых значений Exercise 7: Работа с результатами Exercise 8: Расчёт и оценка бизнес-ценности

Текущее упражнение

Exercise 9: Расчёт ценности для бизнеса Exercise 10: Падение денежной ценности Exercise 11: Расчёт бизнес-ценности для набора данных об отелях

Обнаружив деградацию производительности модели бронирования отелей, вы научитесь выявлять лежащую в её основе причину. В этой главе вы познакомитесь с методами обнаружения многомерного и одномерного дрейфа данных. Вы также узнаете, как выявлять проблемы качества данных и устранять обнаруженные недостатки.

Exercise 1: Многомерное обнаружение дрейфа Exercise 2: Определение значимых дрейфов Exercise 3: Дрейф в наборе данных о бронировании отелей Exercise 4: Одномерное обнаружение дрейфа Exercise 5: Одномерное обнаружение дрейфа для набора данных о бронировании отелей Exercise 6: Ранжирование результатов одномерного анализа Exercise 7: Визуализация признаков с дрейфом Exercise 8: Проверка качества данных и статистик Exercise 9: Проверка качества данных Exercise 10: Сводная статистика Exercise 11: Устранение проблем Exercise 12: Как решить проблему?Exercise 13: Стоит ли ничего не предпринимать?Exercise 14: Реализация рабочего процесса мониторинга Exercise 15: Поздравляем!