طراحی گردش کار یادگیری ماشین در پایتون

به‌کارگیری مدل‌های یادگیری ماشین در تولید با ابزارهای مدرن آسان به نظر می‌رسد، اما اغلب با ناامیدی به پایان می‌رسد، زیرا این مدل در تولید بدتر از توسعه عمل می‌کند. این دوره به شما چهار ابرقدرت می‌دهد که باعث می‌شوند شما را از گروه علم داده متمایز کنید و خطوط لوله‌ای بسازید که در آزمون زمان مقاومت کنند: چگونه تمام جنبه‌های مدل خود را در توسعه تنظیم کنید. چگونه از تخصص دامنه موجود به بهترین شکل ممکن استفاده کنیم. چگونه مدل خود را در عملکرد نظارت کنید و با هر گونه خرابی عملکرد مقابله کنید. و در نهایت نحوه برخورد با داده های ضعیف یا به ندرت برچسب گذاری شده است. این دوره با کاوش عمیق در لبه برش sklearn، و پرداختن به مجموعه داده های واقعی از مناطق داغ مانند مراقبت های بهداشتی شخصی و امنیت سایبری، نمایی از یادگیری ماشین را از خط مقدم نشان می دهد.