Производственные конвейеры ML: табличные данные и развертывание

Переход от обучения изолированных моделей к развертыванию надежных, готовых к производству систем является самым большим препятствием для начинающих специалистов по ML. Этот курс предоставляет фундаментальные знания и практические шаги, необходимые для устранения этого разрыва. Эта программа переносит ваш фокус с изолированных сценариев моделей на полные, поддерживаемые конвейеры ML. Вы овладеете всем рабочим процессом, необходимым для работы со структурированными данными, предотвращения распространенных ловушек, таких как утечка данных, и эффективного обслуживания предсказаний, готовя вас к реальным ролям инженеров ML. Что вы узнаете: * Понять принципы создания модульных, обслуживаемых конвейеров машинного обучения для структурированных данных. * Применение передовых методов инженерного проектирования и строгих методов проверки достоверности для предотвращения утечки данных и обеспечения надежности модели. * Освоение высокопроизводительных моделей градиентного повышения, таких как CatBoost и LightGBM, для сложных задач табличной классификации и регрессии. * Настройка автоматической настройки гиперпараметров с помощью таких инструментов, как Optuna, для эффективного нахождения оптимальных конфигураций модели. * Точное толкование прогнозов модели с использованием значений SHAP для обеспечения необходимой объяснительной способности для заинтересованных сторон и отладки. * Разработка и внедрение основных рабочих процессов пакетного вывода и простых REST API для бесшовного обслуживания и интеграции моделей. * Практика структурирования кода и управления средами, необходимыми для профессиональной разработки ML. Мы начинаем с основных концепций обработки структурированных данных и продвигаемся через генерацию функций, строгую проверку, оптимизацию и, наконец, основы развертывания. Основное внимание уделяется практическим, повторяемым рабочим процессам с использованием современных библиотек Python. Этот курс предназначен для начинающих, которые знакомы с основным синтаксисом Python и хотят перейти к созданию профессиональных решений машинного обучения для структурированных данных. Не требуется предыдущего опыта MLOps или продвинутого моделирования. Начните создавать свой первый конвейер ML производственного уровня сегодня.