In the first course of Machine Learning Engineering for Production Specialization, you will identify the various components and design an ML production system end-to-end: project scoping, data needs, modeling strategies, and deployment constraints and requirements; and learn how to establish a model baseline, address concept drift, and prototype the process for developing, deploying, and continuously improving a productionized ML application.
Этот курс входит в специализацию ''Специализация Machine Learning Engineering for Production (MLOps)'
28 016 уже зарегистрированы
от партнера
Об этом курсе
Недавно просмотрено: 227 508
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 1 из 4 в программе
Продвинутый уровень
• Some knowledge of AI / deep learning • Intermediate Python skills • Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)
Прибл. 10 часов на выполнение
Английский
Субтитры: Английский
Чему вы научитесь
Identify the key components of the ML lifecycle and pipeline and compare the ML modeling iterative cycle with the ML product deployment cycle.
Understand how performance on a small set of disproportionately important examples may be more crucial than performance on the majority of examples.
Solve problems for structured, unstructured, small, and big data. Understand why label consistency is essential and how you can improve it.
Приобретаемые навыки
Human-level Performance (HLP)Concept DriftModel baselineProject Scoping and DesignML Deployment Challenges
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 1 из 4 в программе
Продвинутый уровень
• Some knowledge of AI / deep learning • Intermediate Python skills • Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)
Прибл. 10 часов на выполнение
Английский
Субтитры: Английский
от партнера
deeplearning.ai
DeepLearning.AI is an education technology company that develops a global community of AI talent.
Программа курса: что вы изучите
3 ч. на завершение
Week 1: Overview of the ML Lifecycle and Deployment
This week covers a quick introduction to machine learning production systems focusing on their requirements and challenges. Next, the week focuses on deploying production systems and what is needed to do so robustly while facing constantly changing data.
3 ч. на завершение
9 видео ((всего 81 мин.)), 3 материалов для самостоятельного изучения, 2 тестов
3 ч. на завершение
Week 2: Select and Train a Model
This week is about model strategies and key challenges in model development. It covers error analysis and strategies to work with different data types. It also addresses how to cope with class imbalance and highly skewed data sets.
3 ч. на завершение
16 видео ((всего 107 мин.)), 1 материал для самостоятельного изучения, 2 тестов
4 ч. на завершение
Week 3: Data Definition and Baseline
This week is all about working with different data types and ensuring label consistency for classification problems. This leads to establishing a performance baseline for your model and discussing strategies to improve it given your time and resources constraints.
4 ч. на завершение
16 видео ((всего 128 мин.)), 3 материалов для самостоятельного изучения, 2 тестов
Рецензии
Лучшие отзывы о курсе INTRODUCTION TO MACHINE LEARNING IN PRODUCTION
от партнера RG4 июня 2021 г.
really a great course. It'll really change your way of thinking ML in production use and will help you better understand how can you leverage the power of ML in a way that I'll really create a value
от партнера EE19 мая 2021 г.
Excellent course, as always! Many thanks! Great combination of theory + notebooks with practical examples.\n\nEverything is perfectly structured. I will recommend this course to everyone!
от партнера AC8 июня 2021 г.
I have been working in a large payments technology company for last one year and I can vouch for all the processes Andrew beautifully summarised. It does help a lot working in the industry.
от партнера DC20 мая 2021 г.
Practical and well-structured advices throughout the lifecycle of ML. Examples from real world problems & experiences make the advices more tangible and helps to reflect on own problems.
Специализация Machine Learning Engineering for Production (MLOps): общие сведения
Understanding machine learning and deep learning concepts is essential, but if you’re looking to build an effective AI career, you need production engineering capabilities as well.
Часто задаваемые вопросы
When will I have access to the lectures and assignments?
Что я получу, оформив подписку на специализацию?
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
