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.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Machine Learning Engineering for Production (MLOps)
72.078 bereits angemeldet
von
Über diesen Kurs
160.805 kürzliche Aufrufe
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Stufe „Fortgeschritten“
• Some knowledge of AI / deep learning • Intermediate Python skills • Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)
Ca. 12 Stunden zum Abschließen
Englisch
Was Sie lernen werden
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.
Kompetenzen, die Sie erwerben
- Human-level Performance (HLP)
- Concept Drift
- Model baseline
- Project Scoping and Design
- ML Deployment Challenges
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Stufe „Fortgeschritten“
• Some knowledge of AI / deep learning • Intermediate Python skills • Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)
Ca. 12 Stunden zum Abschließen
Englisch
Lehrplan - Was Sie in diesem Kurs lernen werden
5 Stunden zum Abschließen
Week 1: Overview of the ML Lifecycle and Deployment
5 Stunden zum Abschließen
9 Videos (Gesamt 81 min), 2 Lektüren, 5 Quiz
3 Stunden zum Abschließen
Week 2: Select and Train a Model
3 Stunden zum Abschließen
16 Videos (Gesamt 107 min), 1 Lektüre, 3 Quiz
4 Stunden zum Abschließen
Week 3: Data Definition and Baseline
4 Stunden zum Abschließen
16 Videos (Gesamt 128 min), 3 Lektüren, 3 Quiz
Bewertungen
- 5 stars84,41 %
- 4 stars12,98 %
- 3 stars1,89 %
- 2 stars0,44 %
- 1 star0,26 %
Top-Bewertungen von INTRODUCTION TO MACHINE LEARNING IN PRODUCTION
von 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.
von CC13. Juni 2022
A course that extends your vision about machine learning in production and helps you to understand that training a model and getting it with a good accurate is not enough
von AN11. Juni 2022
Good intro on key concept in MLOps. Would recommend it to anyone who is stepping into this field as well as for ML Hobbists to understand the main challenges of a ML production system
von 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.
Über den Spezialisierung Machine Learning Engineering for Production (MLOps)
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.
