Introduktion till end-to-end-maskininlärning

Fördjupa dig i maskininlärningens värld och upptäck hur du designar, tränar och driftsätter end-to-end-modeller med denna omfattande kurs. Genom engagerande, verklighetsnära exempel och praktiska övningar lär du dig att hantera komplexa dataproblem och bygga kraftfulla ML-modeller. I slutet av den här kursen kommer du att ha de färdigheter som behövs för att skapa, övervaka och underhålla högpresterande modeller som levererar handlingsbara insikter. Förvandla din expertis inom maskininlärning med denna omfattande, praktiska kurs och bli ett komplett ML-proffs!

Utvärdera och förbättra din modell

Börja med att lära dig grunderna i explorativ dataanalys (EDA) och databeredning - du kommer att rensa och förbehandla dina data, så att de är redo för modellträning. Därefter behärskar du konsten att skapa och välja features för att optimera dina modeller för verkliga utmaningar; lär dig hur du använder biblioteket Boruta för feature selection, loggar experiment med MLFlow och finjusterar dina modeller med k-faldig korsvalidering. Upptäck hemligheterna bakom effektiva felmått och lär dig diagnostisera överanpassning, så att du ger dina modeller bästa möjliga förutsättningar för framgång.

Distribuera och övervaka din modell

Du kommer också att utforska betydelsen av feature stores och model registries i end-to-end ML-ramverk. Lär dig hur du distribuerar och övervakar din modells prestanda över tid med hjälp av Docker och AWS. Förstå konceptet datadrift och hur du upptäcker den med hjälp av statistiska tester. Implementera feedbackloopar, omträning och märkningsstrategier för att upprätthålla dina modellers prestanda i mötet med ständigt föränderliga data.

Den här kursen ger dig praktiska färdigheter som direkt kan användas i en karriär som data scientist eller machine learning engineer, så att du kan designa, driftsätta och underhålla modeller; avgörande färdigheter för att maximera affärsnyttan av machine learning-lösningar.

Modelltyper

End-to-End Machine Learning

Interaktiv övning med praktiskt arbete