Learn how to connect to live data sources and prepare time series data for forecasting. You’ll pull hourly electricity demand data from the U.S. EIA API and build your first forecast.

Tahmin modelini üretime almak

Tahmin projesi mimarisi

Deney çerçevelerinin faydaları

Girdi verilerini gözden geçirme

Bir API isteği yapmak

Veriyi hazırlama ve görselleştirme

Zaman serisi görselleştirmelerini yorumlama

Bir forecast nesnesiyle çalışmak

ML Modelleri ile Tahmin

Tahmin performansını değerlendirme

Tahmin performansını görselleştirme

General Architecture

Discover the fundamentals of experimentation, including backtesting, evaluation, and model registration using MLflow!

Experimentation

Forecast evaluation & experimentation

Exploring experimentation process

Workflow of experimentation

Backtesting

Defining the forecasting models

Training models with backtesting

Visualizing forecast results

Model Scoring

Transforming backtesting output

Building a model leaderboard

Model Registration with MLflow

Logging tuned models

Searching experiment results

Learn how to build automated forecasting pipelines that refresh data and predictions daily. You'll set up ETL processes, register models with MLflow, and orchestrate everything with Airflow. Create a production-ready system with data validation and logging to monitor pipeline health.

Pipeline architecture

Defining the forecasting pipeline

Fitting the model

Registering the model

Data ingestion

Data parity checks

Defining the schema

Performing data validation

Airflow

Setting up the DAG

Creating the DAG

Defining pipeline execution order

Logs

Monitoring ETL logs

Monitoring forecasting logs

Setting Automation

Discover the essentials of production deployment, from monitoring the pipeline health to detecting model drift. You'll learn best practices for reproducibility, scaling, and maintaining forecasting systems in real-world environments.

Pipeline Deployment to Production

What could go wrong?

Monitoring vs Observability

Pipeline Monitoring

Categorizing API risks

Building a mitigation plan

Model Drift

Calculating a threshold and moving averages

Identifying model drift

Best practices

Development best practices

Scaling forecasting pipelines

Congratulations!

From Deployment to Production

Python ile ölçeklenebilir tahmin hatlarını nasıl tasarlayacağını, otomatikleştireceğini ve izleyeceğini öğren. Bu ileri seviye kurs, MLflow ve Airflow gibi araçları kullanarak veriyi kaynaklamadan model eğitmeye, dağıtımdan izlemeye kadar tüm üretim iş akışını adım adım gösterir.

Canlı veri kaynaklarına bağlanarak başlayacak ve ABD elektrik talebi verisiyle ilk tahminini oluşturacaksın. Ardından, geriye dönük test (backtesting), değerlendirme ve MLflow kullanarak model kaydı gibi deneysellik temellerini keşfedeceksin.

Sonra ETL süreçleri, model kaydı ve Airflow orkestrasyonu ile otomatik tahmin hatları kuracaksın. Son olarak, üretim dağıtımı temellerini; hat sağlığını izleme, model sürüklenmesini (model drift) tespit etme ve gerçek dünyadaki ortamlarda tahmin sistemlerini sürdürmeyi öğreneceksin.

Python'da ölçeklenebilir tahmin boru hatlarını tasarlama, otomatikleştirme ve izlemeyi öğrenin. Bu ileri düzey kurs, MLflow ve Airflow gibi araçları kullanarak veri kaynakları ve eğitim modellerinden dağıtım ve izlemeye kadar tüm üretim iş akışını adım adım anlatır.

Canlı veri kaynaklarına bağlanarak ve ABD elektrik talebi verilerini kullanarak ilk tahmininizi oluşturarak başlayacaksınız. Ardından, MLflow kullanarak geriye dönük test, değerlendirme ve model kaydı dahil olmak üzere deneme temelini keşfedeceksiniz.

Ardından, ETL süreçleri, model kaydı ve Airflow düzenlemesi ile otomatik tahmin boru hatları oluşturacaksınız. Son olarak, gerçek dünya ortamlarında boru hattının durumunu izleme, model sapmasını tespit etme ve tahmin sistemlerini sürdürme gibi üretim dağıtımının temel unsurlarını öğreneceksiniz.

Introduction to Apache Airflow in Python

Introduction to MLflow

Time Series Analysis in Python

Python'da ölçeklenebilir tahmin hatlarını tasarlamayı, otomatikleştirmeyi ve izlemeyi öğrenin.

Üretim için Tahmin (Forecasting) Hatları Tasarlama

Python'da ölçeklenebilir tahmin boru hatlarını tasarlama, otomatikleştirme ve izlemeyi öğrenin. 

Deney çerçevelerinin faydaları

Üretim için Tahmin (Forecasting) Hatları Tasarlama

Uygulamalı interaktif egzersiz