Khi có nhãn

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Bài tập này là một phần của khóa học

Giám sát Machine Learning bằng Python

SkillTag.level.advancedSkillTag.label

4.8+

Trong chương này, bạn sẽ được giới thiệu về thư viện NannyML và các chức năng cốt lõi của nó. Trước hết, bạn sẽ học quy trình chuẩn bị dữ liệu thô để tạo bộ tham chiếu và bộ phân tích, sẵn sàng cho việc giám sát trong môi trường sản xuất. Là ví dụ thực tế, bạn sẽ khảo sát bài toán dự đoán tiền tip cho các chuyến taxi ở New York. Về cuối chương, bạn cũng sẽ khám phá cách ước lượng hiệu năng của mô hình dự đoán tiền tip bằng NannyML.

Exercise 1: NannyML là gì?Exercise 2: Các tính năng chính của NannyML Exercise 3: Tải tập dữ liệu Exercise 4: Chuẩn bị dữ liệu cho NannyML Exercise 5: Giai đoạn tham chiếu hay giai đoạn phân tích?Exercise 6: Tải và chia tách dữ liệu Exercise 7: Tạo bộ tham chiếu và bộ phân tích Exercise 8: Ước lượng hiệu suất Exercise 9: Chỉ định thuật toán và loại bài toán Exercise 10: Diễn giải kết quả Exercise 11: Quy trình CBPE và DLE Exercise 12: Ước lượng hiệu năng cho bài toán dự đoán tiền tip

Trong chương này, bạn sẽ được giới thiệu về các bộ tính hiệu năng thực tế khi dữ liệu nhãn trở nên sẵn có. Bạn sẽ học các phương pháp nâng cao để xử lý kết quả, bao gồm lọc, trực quan hóa, chuyển đổi sang data frame, chia khối (chunking), và thiết lập các ngưỡng tùy chỉnh. Cuối cùng, bạn sẽ áp dụng kiến thức này để tính toán giá trị kinh doanh của một mô hình được huấn luyện trên tập dữ liệu đặt phòng khách sạn.

Exercise 1: Khi có nhãn

Bài tập hiện tại

Exercise 2: Khi ước lượng hiệu suất bị lệch Exercise 3: So sánh hiệu năng ước lượng và đã quan sát Exercise 4: Làm việc với kết quả đã tính toán và ước lượng Exercise 5: Các phương pháp chia khối khác nhau Exercise 6: Điều chỉnh các ngưỡng Exercise 7: Tương tác với kết quả Exercise 8: Tính toán và ước lượng giá trị kinh doanh Exercise 9: Tính toán giá trị kinh doanh Exercise 10: Sụt giảm giá trị tiền tệ Exercise 11: Tính toán giá trị kinh doanh cho bộ dữ liệu đặt phòng khách sạn

Sau khi phát hiện sự suy giảm hiệu năng ở mô hình đặt phòng khách sạn, bạn sẽ học cách xác định vấn đề cốt lõi gây ra hiện tượng này. Trong chương này, bạn sẽ được giới thiệu về các phương pháp phát hiện drift đa biến và đơn biến. Bạn cũng sẽ học cách nhận diện các vấn đề chất lượng dữ liệu và cách xử lý những vấn đề nền tảng mà bạn phát hiện.

Exercise 1: Phát hiện drift đa biến Exercise 2: Xác định các drift liên quan Exercise 3: Drift trong bộ dữ liệu đặt phòng khách sạn Exercise 4: Phát hiện trôi đơn biến Exercise 5: Phát hiện drift univariate cho bộ dữ liệu đặt phòng khách sạn Exercise 6: Xếp hạng kết quả univariate Exercise 7: Trực quan hóa các đặc trưng bị drift Exercise 8: Kiểm tra chất lượng dữ liệu và thống kê Exercise 9: Kiểm tra chất lượng dữ liệu Exercise 10: Thống kê tóm tắt Exercise 11: Giải quyết sự cố Exercise 12: Cách giải quyết là gì?Exercise 13: Bạn nên không làm gì hay không?Exercise 14: Triển khai quy trình giám sát Exercise 15: Chúc mừng bạn