Этот курс входит в специализацию ''Специализация AI Product Management'

4.7
звезд
Оценки: 49

Jon Reifschneider

3 853 уже зарегистрированы

от партнера

Специализация AI Product ManagementУниверситет Дьюка

Об этом курсе

Недавно просмотрено: 18 145

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.
At the conclusion of this course, you should be able to:
1) Identify opportunities to apply ML to solve problems for users
2) Apply the data science process to organize ML projects
3) Evaluate the key technology decisions to make in ML system design
4) Lead ML projects from ideation through production using best practices

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

Специализация AI Product Management

Начальный уровень

No prior experience in machine learning or programming required.

Прибл. 18 часов на выполнение

Английский

Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?

Попробуйте Coursera для бизнеса

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

Специализация AI Product Management

Начальный уровень

No prior experience in machine learning or programming required.

Прибл. 18 часов на выполнение

Английский

Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?

Попробуйте Coursera для бизнеса

Преподаватели

Оценка преподавателя

4,88/5 (оценок: 11)

Jon Reifschneider

Director, Master of Engineering in AI for Product Innovation, Duke University

Engineering

13 233 учащихся

3 курса

от партнера

Университет Дьюка

Узнайте, как сотрудники ведущих компаний осваивают востребованные навыки

Подробнее о Coursera для бизнеса

Программа курса: что вы изучите

Неделя

Неделя 1

3 ч. на завершение

Identifying Opportunities for Machine Learning

3 ч. на завершение

9 видео ((всего 42 мин.)), 3 материалов для самостоятельного изучения, 1 тест

9 видео

Specialization Overview4мин

Instructor Introduction1мин

Course Overiew5мин

Introduction & Objectives1мин

Identifying Opportunities7мин

Validating Product Ideas5мин

Benefits of ML in Products8мин

ML vs. Heuristics5мин

Module Wrap-up2мин

3 материала для самостоятельного изучения

About the Course5мин

Download Module Slides30мин

Identifying Good Problems for ML30мин

1 практическое упражнение

Module 1 Quiz30мин

Неделя

Неделя 2

3 ч. на завершение

Organizing ML Projects

3 ч. на завершение

8 видео ((всего 65 мин.)), 2 материалов для самостоятельного изучения, 1 тест

8 видео

Introduction and Objectives1мин

ML Projects vs. Software Projects6мин

CRISP-DM Data Science Process13мин

CRISP-DM Case Study17мин

Team Organization9мин

Organizing the Project6мин

Measuring Performance7мин

Module Wrap-up1мин

2 материала для самостоятельного изучения

Download Module Slides30мин

Why are ML Projects so Hard to Manage30мин

1 практическое упражнение

Module 2 Quiz30мин

Неделя

Неделя 3

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

8 видео

Introduction and Objectives2мин

Data Needs8мин

Data Collection11мин

Data Governence & Access6мин

Data Cleaning9мин

Preparing Data for Modeling9мин

Reproducibility & Versioning8мин

Module Wrap-up1мин

2 материала для самостоятельного изучения

Download Module Slides30мин

How We Improved Data Discovery for Data Scientists at Spotify30мин

1 практическое упражнение

Module 3 Quiz30мин

Неделя

Неделя 4

3 ч. на завершение

ML System Design & Technology Selection

3 ч. на завершение

8 видео ((всего 51 мин.)), 2 материалов для самостоятельного изучения, 1 тест

8 видео

Introduction and Objectives48

ML System Design Considerations6мин

Cloud vs. Edge10мин

Online Learning & Inference8мин

ML on Big Data3мин

ML Technology Selection5мин

Common ML Tools12мин

Module Wrap-up1мин

2 материала для самостоятельного изучения

Download Module Slides30мин

Why Jupyter is Data Science's Computational Notebook of Choice30мин

1 практическое упражнение

Module 4 Quiz30мин

Рецензии

4.7

Рецензии: 10

5 stars
85,71 %
4 stars
6,12 %
3 stars
4,08 %
2 stars
2,04 %
1 star
2,04 %

Лучшие отзывы о курсе MANAGING MACHINE LEARNING PROJECTS

от партнера MR29 дек. 2022 г.

Very important course for anyone interested in understanding the process involved in managing AI projects. Strongly recommended.

от партнера LD12 мая 2022 г.

Excellent course! And the professor is a SME in the ML field. Looking forward to the next course.

от партнера SS30 мар. 2022 г.

worth your time if you are a product manager, product owner or project manager that is interested in implementing ML

Посмотреть все отзывы

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.

This Specialization provides a foundational understanding of how machine learning works and when and how it can be applied to solve problems. Learners will build skills in applying the data science process and industry best practices to lead machine learning projects, and develop competency in designing human-centered AI products which ensure privacy and ethical standards. The courses in this Specialization focus on the intuition behind these technologies, with no programming required, and merge theory with practical information including best practices from industry. Professionals and aspiring professionals from a diverse range of industries and functions, including product managers and product owners, engineering team leaders, executives, analysts and others will find this program valuable.

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Можно ли получить финансовую помощь?
Да. В некоторых программах обучения вы можете подать заявку на получение финансовой помощи или стипендии, если не можете оплатить регистрационный взнос. Если для выбранной вами программы предлагается такая возможность, вы увидите ссылку для подачи заявки на странице описания.

Остались вопросы? Посетите Центр поддержки учащихся.

Обучайте сотрудников и добивайтесь отличных результатов в бизнесе

Откройте для себя Coursera для бизнеса

Managing Machine Learning Projects

Об этом курсе

Приобретаемые навыки