or
Den här övningen är en del av kursen
Maskininlärning används inom många olika branscher och områden. Om det tillämpas på rätt sätt kan det i grunden förbättra verksamheten. Det här kapitlet beskriver användningsfall för maskininlärning, olika yrkesroller och hur de passar in i datapyramiden.
Det här kapitlet ger en översikt över olika typer av maskininlärning. Vi tittar på skillnaderna mellan kausala modeller och prediktionsmodeller, utforskar övervakad och oövervakad inlärning samt går igenom undertyperna av övervakad inlärning: klassificering och regression.
Det här kapitlet går igenom de viktigaste stegen för att kartlägga affärskrav, identifiera och bedöma möjligheter med maskininlärning, utvärdera modellprestanda och identifiera eventuella prestandarisker i processen.
Aktuell övning
Det här kapitlet tar upp bästa och sämsta praxis för att hantera maskininlärningsprojekt. Vi identifierar de vanligaste misstagen inom maskininlärning, lär oss hur man hanterar kommunikationen mellan verksamheten och ML-teamen, och tar slutligen upp utmaningarna med att driftsätta maskininlärningsmodeller i produktion.