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.
Ce cours fait partie de la Spécialisation Machine Learning Engineering for Production (MLOps)
66 610 déjà inscrits
Offert par
À propos de ce cours
152 462 consultations récentes
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 4 dans le
Niveau avancé
• Some knowledge of AI / deep learning • Intermediate Python skills • Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)
Approx. 12 heures pour terminer
Anglais
Ce que vous allez apprendre
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.
Compétences que vous acquerrez
- Human-level Performance (HLP)
- Concept Drift
- Model baseline
- Project Scoping and Design
- ML Deployment Challenges
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 4 dans le
Niveau avancé
• Some knowledge of AI / deep learning • Intermediate Python skills • Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)
Approx. 12 heures pour terminer
Anglais
Offert par
Programme de cours : ce que vous apprendrez dans ce cours
5 heures pour terminer
Week 1: Overview of the ML Lifecycle and Deployment
5 heures pour terminer
9 vidéos (Total 81 min), 2 lectures, 5 quiz
3 heures pour terminer
Week 2: Select and Train a Model
3 heures pour terminer
16 vidéos (Total 107 min), 1 lecture, 3 quiz
4 heures pour terminer
Week 3: Data Definition and Baseline
4 heures pour terminer
16 vidéos (Total 128 min), 3 lectures, 3 quiz
Avis
- 5 stars84,69 %
- 4 stars12,70 %
- 3 stars1,90 %
- 2 stars0,46 %
- 1 star0,23 %
Meilleurs avis pour INTRODUCTION TO MACHINE LEARNING IN PRODUCTION
par MK16 avr. 2022
An excellent start for becoming a Machine Learning Engineer where one learns about the complete lifecycle of a machine learning project from scoping to deployment to monitoring.
par RG4 juin 2021
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
par DC20 mai 2021
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.
par GS25 mai 2021
Andew Ng is truly a world leader in the field, the way he approaches the subject and the explanations he gives are truly unparalleled. It always a pleasure taking a course he instructs.
À propos du Spécialisation Machine Learning Engineering for Production (MLOps)
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.
