Инженерное машинное обучение: мост между наукой данных и инженерным анализом данных

Многие начинающие ученые, занимающиеся анализом данных, могут обучать модели в ноутбуке, но им трудно создавать надежные, масштабируемые конвейеры данных для этих моделей. Преодоление разрыва между наукой о данных и инженерией данных является ключом к созданию реальных систем машинного обучения. В этом текстовом курсе вы узнаете основные понятия машинного обучения. Вы перейдете от написания изолированных файлов сценариев к разработке структурированных, чистых и автоматизированных рабочих процессов, которые эффективно и надежно обрабатывают данные. Что вы узнаете: - Понять основную терминологию и фундаментальные различия между наукой о данных и инженерией данных. - Создание чистых конвейеров данных с использованием современных библиотек дата-фреймов и структурированного кода Python. - применять методы проверки и тестирования данных для обеспечения высококачественных вводимых данных в свои модели. - Настроить основные решения для хранения данных и интегрировать их с рабочими процессами машинного обучения. - Изучите современные концепции MLOps, включая хранилища функций и базовое отслеживание модели. Вы начнете с основных определений и архитектурных шаблонов, а затем перейдете к практическим письменным упражнениям, которые имитируют реальные проблемы в работе с потоками данных. Материал логически структурирован, чтобы шаг за шагом укреплять вашу уверенность. Этот курс предназначен для начинающих специалистов по анализу данных, недавно закончивших обучение и новичков в разработке программного обеспечения, которые хотят расширить свои знания в области инженерии данных.