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. To be successful, you should have at least beginner-level background in Python programming (e.g., be able to read and code trace existing code, be comfortable with conditionals, loops, variables, lists, dictionaries and arrays). You should have a basic understanding of linear algebra (vector notation) and statistics (probability distributions and mean/median/mode). This is the final course of the Applied Machine Learning Specialization brought to you by Coursera and the Alberta Machine Intelligence Institute (Amii).
Ce cours fait partie de la Spécialisation Machine Learning: Algorithms in the Real World
Optimizing Machine Learning Performance
Offert par
Programme du cours : ce que vous apprendrez dans ce cours
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.
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.
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.
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.
Enseignant
Anna Koop
Senior Scientific AdvisorÀ propos de Alberta Machine Intelligence Institute
À propos du Spécialisation Machine Learning: Algorithms in the Real World
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.