or
Ця вправа є частиною курсу
У цьому розділі ви познайомитеся з бібліотекою NannyML та її базовими можливостями. Спочатку ви вивчите процес підготовки сирих даних для створення референсних і аналітичних наборів, готових до продакшен-моніторингу. Як практичний приклад ви дослідите прогнозування суми чайових за поїздки на таксі в Нью-Йорку. Наприкінці розділу ви також дізнаєтеся, як оцінити якість моделі прогнозування чайових за допомогою NannyML.
У цьому розділі ви познайомитеся з обчислювачами фактичної ефективності, які застосовують, коли з'являється істинна розмітка. Ви дізнаєтеся про більш просунуті методи опрацювання результатів, зокрема фільтрування, побудову графіків, перетворення до датафреймів, чанкування та встановлення власних порогів. Нарешті, ви застосуєте ці знання, щоб розрахувати бізнес-цінність моделі, натренованої на наборі даних про бронювання готелів.
Виявивши погіршення якості в моделі бронювання готелів, ви навчитеся визначати першопричину цієї проблеми. У цьому розділі ви познайомитеся з методами виявлення дрейфу ознак для багатовимірних і одновимірних даних. Ви також дізнаєтеся, як знаходити проблеми з якістю даних і як усувати виявлені першопричини.
Поточна вправа