Testando e automatizando pipelines de ML

Os sistemas de machine learning do mundo real mudam ao longo do tempo à medida que os dados mudam, tornando os testes automatizados um requisito crítico para os pipelines de produção. Este curso ensina como estabelecer testes estruturados para capturar erros antes que eles afetem seus usuários. Você fará a transição da avaliação manual de modelos para a criação de fluxos de trabalho de teste automatizados que validam a qualidade dos dados, a correção do código e o desempenho do modelo. Através de explicações claras e escritas e exemplos práticos de código, você aprenderá a implementar verificações robustas em cada estágio do seu pipeline de machine learning. O que você vai aprender: - Entenda os conceitos fundamentais de teste de ML, incluindo validação de dados, regressão de modelo e integridade do pipeline. - Implemente testes automatizados usando pytest para verificar o pré-processamento de dados e as etapas de engenharia de recursos. - Detecte dados e deriva de conceito para garantir que seu modelo permaneça preciso à medida que os dados do mundo real mudam. - Avalie as métricas de desempenho do modelo automaticamente durante as fases de treinamento e implantação. - Configure fluxos de trabalho básicos de CI / CD para executar seus testes de pipeline de ML automaticamente. O curso começa com definições básicas e os fundamentos da degradação do sistema de machine learning, depois orienta você passo a passo através da escrita de conjuntos de testes automatizados, validação de entradas de dados e monitoramento de saídas de modelos. Este curso foi projetado para aspirantes a engenheiros de ML, cientistas de dados e desenvolvedores que são novos em testes e querem construir pipelines de aprendizado de máquina confiáveis. Nenhuma experiência de teste prévia é necessária. Comece a criar pipelines de machine learning estáveis e prontos para produção hoje mesmo.