Полный рабочий процесс проекта ML: от разработки до производства

Многие курсы посвящены обучению моделей, но лишь немногие из них объясняют, как превратить ноутбук в надежную систему. Этот курс посвящен полному жизненному циклу проекта, необходимому для создания реальной бизнес-ценности с помощью машинного обучения. К концу этого курса вы будете разбираться в основных этапах проекта ML, от первоначального исследования данных и разработки модели до развертывания, обслуживания и мониторинга, что позволит вам перейти от изолированных экспериментов к готовым к производству решениям. Что вы узнаете: * Понять важнейшие шаги для перевода потребности бизнеса в решаемой проблемы машинного обучения. * Практика подготовки данных и методы инженерии признаков, необходимые для обучения надежной модели. * Создание фундаментальных моделей ML и оценка их производительности с использованием стандартных метрик. * Настройка основных экспериментов отслеживания и моделей версий для воспроизводимости и сотрудничества команды. * Применять основные концепции контейнеризации и развертывания моделей, подходящих для производственных сред. * Осуществление основных стратегий мониторинга и технического обслуживания для обеспечения надежности модели во времени. Мы начинаем с ключевой терминологии и основных концепций, затем систематически проходим через этапы разработки, обучения, проверки и ввода в эксплуатацию проекта ML, сосредоточившись на практических письменных упражнениях. Этот курс предназначен для абсолютно начинающих в машинном обучении, которые хотят понять практический рабочий процесс ученого данных или инженера ML. Не требуется предыдущий опыт работы с MLOps или производственными системами. Начните изучать, как разрабатывать проекты машинного обучения, которые работают в реальном мире, уже сегодня.