Der komplette ML-Projekt-Workflow: von der Entwicklung bis zur Produktion

In vielen Kursen wird Modelltraining gelehrt, aber nur wenige erklären, wie man ein Notebook in ein zuverlässiges System verwandelt.Dieser Kurs stellt den gesamten Projektlebenszyklus vor, der erforderlich ist, um mithilfe von maschinellem Lernen einen realen Geschäftswert zu erzielen. Am Ende dieses Kurses verstehen Sie die wesentlichen Phasen eines ML-Projekts, von der anfänglichen Datenexploration und Modellentwicklung bis hin zu Bereitstellung, Wartung und Überwachung, sodass Sie von isolierten Experimenten zu produktionsfertigen Lösungen übergehen können. Was Sie lernen werden: * Verstehen Sie die kritischen Schritte, um ein Geschäftsbedürfnis in ein lösbares Problem des maschinellen Lernens zu übersetzen. * Üben Sie Datenaufbereitungs- und Feature-Engineering-Techniken, die für das robuste Modelltraining unerlässlich sind. * Erstellen Sie grundlegende ML-Modelle und bewerten Sie deren Leistung mithilfe von Standardmetriken. * Konfigurieren Sie die grundlegende Experimentverfolgung und Modellversionierung für Reproduzierbarkeit und Teamzusammenarbeit. * Anwenden von Kernkonzepten der Containerisierung und Bereitstellungsmuster, die für Produktionsumgebungen geeignet sind. * Implementieren Sie grundlegende Überwachungs- und Wartungsstrategien, um die Zuverlässigkeit des Modells im Laufe der Zeit sicherzustellen. Wir beginnen mit der wichtigsten Terminologie und grundlegenden Konzepten und gehen dann systematisch durch die Entwicklungs-, Trainings- und Validierungsphasen eines ML-Projekts, wobei der Schwerpunkt auf praktischen schriftlichen Übungen liegt. Dieser Kurs richtet sich an absolute Anfänger im Bereich Machine Learning, die den praktischen Arbeitsablauf eines Data Scientists oder ML Engineers verstehen möchten, ohne dass Vorkenntnisse mit MLOps oder Produktionssystemen erforderlich sind. Lernen Sie, wie Sie Machine-Learning-Projekte bereitstellen, die in der realen Welt funktionieren.