This second course of the AI Product Management Specialization by Duke University's Pratt School of Engineering focuses on the practical aspects of managing machine learning projects. The course walks through the keys steps of a ML project from how to identify good opportunities for ML through data collection, model building, deployment, and monitoring and maintenance of production systems. Participants will learn about the data science process and how to apply the process to organize ML efforts, as well as the key considerations and decisions in designing ML systems.
Этот курс входит в специализацию ''Специализация AI Product Management'
2 156 уже зарегистрированы
от партнера
Специализация AI Product ManagementУниверситет ДьюкаОб этом курсе
Недавно просмотрено: 15 201
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 2 из 3 в программе
Начальный уровень
No prior experience in machine learning or programming required.
Прибл. 18 часов на выполнение
Английский
Субтитры: Английский
Приобретаемые навыки
- Modeling
- Project Management
- Machine Learning
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 2 из 3 в программе
Начальный уровень
No prior experience in machine learning or programming required.
Прибл. 18 часов на выполнение
Английский
Субтитры: Английский
от партнера
Университет Дьюка
Duke University has about 13,000 undergraduate and graduate students and a world-class faculty helping to expand the frontiers of knowledge. The university has a strong commitment to applying knowledge in service to society, both near its North Carolina campus and around the world.
Программа курса: что вы изучите
3 ч. на завершение
Identifying Opportunities for Machine Learning
In this module we will discuss how to identify problems worth solving, how to determine whether ML is a good fit as part of the solution, and how to validate solution concepts. We will also learn why heuristics are useful in modeling projects and the advantages and disadvantages of ML relative to heuristics.
3 ч. на завершение
9 видео ((всего 42 мин.)), 3 материалов для самостоятельного изучения, 1 тест
3 ч. на завершение
Organizing ML Projects
In this module we will focus on the CRISP-DM data science process and how it can be used to organize ML projects. We will begin by understanding what is unique about ML project relative to normal software projects, and then discuss approaches to manage the inherent risks of ML projects. We will also walk through the key roles on a ML project team and how to organize work.
3 ч. на завершение
8 видео ((всего 65 мин.)), 2 материалов для самостоятельного изучения, 1 тест
3 ч. на завершение
Data Considerations
In this module we will explore the key data-related issues that arise in ML projects. Data is the foundation of successful machine learning, and gathering data of sufficient quantity and quality with the right set of attributes is the key to a successful project. We will discuss the key considerations in sourcing data, cleaning data, and developing and selecting a feature set to use in modeling. The module will conclude with a discussion on best practices to ensure reproducibility of your data pipeline.
3 ч. на завершение
8 видео ((всего 58 мин.)), 2 материалов для самостоятельного изучения, 1 тест
3 ч. на завершение
ML System Design & Technology Selection
In this module we will discuss the key decisions to make in designing ML systems, such as cloud vs. edge and online vs. batch, and compare the benefits of each type of system. We will then discuss the primary technology decisions to make in a ML project and introduce the common tools and technologies used to build ML models.
3 ч. на завершение
8 видео ((всего 51 мин.)), 2 материалов для самостоятельного изучения, 1 тест
Рецензии
- 5 stars78,78 %
- 4 stars9,09 %
- 3 stars6,06 %
- 2 stars3,03 %
- 1 star3,03 %
Лучшие отзывы о курсе MANAGING MACHINE LEARNING PROJECTS
от партнера LD12 мая 2022 г.
Excellent course! And the professor is a SME in the ML field. Looking forward to the next course.
Специализация AI Product Management: общие сведения
Organizations in every industry are accelerating their use of artificial intelligence and machine learning to create innovative new products and systems. This requires professionals across a range of functions, not just strictly within the data science and data engineering teams, to understand when and how AI can be applied, to speak the language of data and analytics, and to be capable of working in cross-functional teams on machine learning projects.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на специализацию?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
