This course synthesizes everything your have learned in the applied machine learning specialization. You will now walk through a complete machine learning project to prepare a machine learning maintenance roadmap. You will understand and analyze how to deal with changing data. You will also be able to identify and interpret potential unintended effects in your project. You will understand and define procedures to operationalize and maintain your applied machine learning model. By the end of this course you will have all the tools and understanding you need to confidently roll out a machine learning project and prepare to optimize it in your business context.
Этот курс входит в специализацию ''Специализация Machine Learning: Algorithms in the Real World'
от партнера
Специализация Machine Learning: Algorithms in the Real WorldAlberta Machine Intelligence InstituteОб этом курсе
Недавно просмотрено: 18,195
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 4 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Прибл. 13 часов на выполнение
Английский
Субтитры: Английский
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 4 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Прибл. 13 часов на выполнение
Английский
Субтитры: Английский
от партнера
Alberta Machine Intelligence Institute
The Alberta Machine Intelligence Institute (Amii) is home to some of the world’s top talent in machine intelligence. We’re an Alberta-based
Программа курса: что вы изучите
4 ч. на завершение
Machine Learning Strategy
This week we'll present tools for understanding the overall strategy your business needs in order to see the best returns on ML investment. From understanding the current status to navigating ownership and setting up a team, this week is about understanding applied machine learning in a successful business context.
4 ч. на завершение
8 видео ((всего 42 мин.)), 1 материал для самостоятельного изучения, 7 тестов
8 видео
ML Readiness6мин
Risk Mitigation5мин
Experimental Mindset5мин
Build/Buy/Partner7мин
Setting up a Team5мин
Understanding and Communicating Change7мин
Weekly Summary2мин
1 материал для самостоятельного изучения
IP questions10мин
6 практических упражнений
ML Readiness Review10мин
Risk Mitigation Review10мин
Experimental Mindset Review10мин
Build/Buy/Partner Review30мин
Setting up a Team Review5мин
Communicating Change Review5мин
2 ч. на завершение
Responsible Machine Learning
This week we'll talk about the broader context of machine learning: how as developers we have responsibilities regarding how our technology will be used. Using case studies and existing frameworks we'll give you the tools to figure out your own ethical approach to realize the best outcomes while deploying machine learning in the real world.
2 ч. на завершение
6 видео ((всего 27 мин.))
6 видео
Positive Feedback Loops & Negative Feedback Loops6мин
Metric Design & Observing Behaviours6мин
Secondary Effects of Optimization4мин
Regulatory Concerns3мин
Weekly Summary2мин
6 практических упражнений
AI4Good Review5мин
Feedback Loops Review5мин
Metric Design Review5мин
Secondary effects Review5мин
Regulatory Concerns Review5мин
Responsible Machine Learning Review30мин
2 ч. на завершение
Machine Learning in Production & Planning
An important aspect of machine learning in the real world is considering how your machine learning models are integrated with existing systems, and what effect they have on your operations. This week we'll review things you should consider as you turn QuAMs and machine learning models into operational tools.
2 ч. на завершение
8 видео ((всего 33 мин.))
8 видео
Users Break Things3мин
Time & Space complexity in production5мин
When do I retrain the model?4мин
Logging ML Model Versioning4мин
Knowledge Transfer4мин
Reporting Performance to Stakeholders4мин
Weekly Summary2мин
7 практических упражнений
Integrating Info Systems Review5мин
Complexity in Production Review5мин
Retrain the Model Review5мин
ML Versioning Review5мин
Knowledge Transfer Review5мин
Reporting to Stakeholders Review5мин
Machine Learning in Production and Planning Review30мин
5 ч. на завершение
Care and Feeding of your Machine Learning System
Work doesn't end just because your model is deployed! In our final week we'll go over all the things you need to consider in the context of an actual working system.
5 ч. на завершение
9 видео ((всего 45 мин.))
9 видео
MLPL Recap9мин
Post Deployment Challenges6мин
QuAM Monitoring and Logging5мин
QuAM Testing5мин
QuAM Maintenance3мин
QuAM Updating5мин
Separating Datastack from Production3мин
Dashboard Essentials & Metrics Monitoring5мин
Weekly Summary1мин
7 практических упражнений
Post Deployment Challenges Review5мин
Monitoring & Logging Review5мин
Testing Review5мин
Maintenance Review5мин
Updating Review5мин
Separating Datastack from Production Review5мин
Dashboard Monitoring Review5мин
Рецензии
Лучшие отзывы о курсе OPTIMIZING MACHINE LEARNING PERFORMANCE
от партнера EG8 янв. 2020 г.
The whole specialization is extremely useful for people starting in ML. Highly recommended!
Специализация Machine Learning: Algorithms in the Real World: общие сведения
This specialization is for professionals who have heard the buzz around machine learning and want to apply machine learning to data analysis and automation. Whether finance, medicine, engineering, business or other domains, this specialization will set you up to define, train, and maintain a successful machine learning application.
After completing all four courses, you will have gone through the entire process of building a machine learning project. You will be able to clearly define a machine learning problem, identify appropriate data, train a classification algorithm, improve your results, and deploy it in the real world. You will also be able to anticipate and mitigate common pitfalls in applied machine learning.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
- The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
- The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
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.
Какие правила возврата средств?
Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент. Ознакомьтесь с нашей политикой возврата средств.
Можно ли получить финансовую помощь?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее
Остались вопросы? Посетите Центр поддержки учащихся.
