Вступ до наскрізного машинного навчання

Пориньте у світ машинного навчання та дізнайтеся, як проєктувати, навчати й розгортати наскрізні моделі з цим комплексним курсом. За допомогою захопливих прикладів із реального світу та практичних вправ ви навчитеся розв’язувати складні задачі з даними й створювати потужні ML-моделі. Наприкінці цього курсу ви будете володіти навичками, необхідними для створення, моніторингу та підтримки високопродуктивних моделей, які надають практичні аналітичні висновки. Підвищте свій рівень у машинному навчанні завдяки цьому комплексному практичному курсу та станьте ML-профі, який уміє працювати з ML від початку до кінця!

Оцініть і вдоскональте свою модель

Почніть із вивчення основ дослідницького аналізу даних (EDA) та підготовки даних — ви очистите й попередньо обробите свої дані, щоб вони були готові до навчання моделі. Далі опануйте мистецтво інженерії ознак і відбору ознак, щоб оптимізувати свої моделі для реальних завдань; дізнайтеся, як використовувати бібліотеку Boruta для відбору ознак, вести журнал експериментів за допомогою MLFlow та точно налаштовувати свої моделі, використовуючи k-fold cross-validation. Розкрийте секрети ефективних метрик помилок і діагностуйте перенавчання, налаштовуючи свої моделі на успіх.

Розгорніть і відстежуйте свою модель

Ви також ознайомитеся з важливістю feature stores і model registries в end-to-end ML frameworks. Дізнайтеся, як розгортати та відстежувати продуктивність вашої моделі з часом за допомогою Docker і AWS. Зрозумійте концепцію дрейфу даних і дізнайтеся, як виявляти його за допомогою статистичних тестів. Впроваджуйте цикли зворотного зв’язку, повторне навчання та стратегії розмітки, щоб підтримувати продуктивність ваших моделей в умовах постійно змінних даних.

Цей курс надасть вам практичні навички, безпосередньо застосовні для кар’єри data scientist або machine learning engineer, і дасть змогу проєктувати, розгортати та підтримувати моделі; це ключові навички для посилення бізнес-ефекту рішень машинного навчання.

Типи моделей

End-to-End Machine Learning

Практична інтерактивна вправа