|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/machine-learning-engineer/
课程评论：没有评论
课程名称：机器学习初学者 - 终极工作流程 [从这里开始] 课程概述： 本课程旨在教你如何训练和部署一个专业级的机器学习管道，即使你是初学者，无需任何安装。你将学习使用以下工具：Scikit Learn Pipelines、Column Transformer、GridSearchCV、KFold CrossValidation、FunctionTransformer、CountVectorizer等。课程中还会介绍如何利用AutoML“作弊”，并将这个革命性工具整合到我们的终极工作流程中。 在我们的最终管道准备好部署后，我们将用Flask编码并封装它为一个API，随后将其部署到Heroku上，利用GitHub进行版本管理。这是展示你在数据科学或机器学习工程师领域技能的绝佳机会，特别适合正在寻找实习、轮岗或第一份工作的你，能够显著提升你的竞争力。 课程内容还包括： - 通过一种技巧，帮助那些不懂XGBOOST和随机森林区分的人，依然能获得专业满意的训练结果，且该技巧并非简单地使用RandomSearchCV来替换GridSearchCV。 - 一个极简化的10步流程，让即使是不懂技术的家庭成员也能将scikit-learn模型在生产环境中部署，并且该流程同样适用于专业使用或在简历中展示。 - 如何在不安装其他工具的前提下，仅通过浏览器（你很可能已经拥有）来部署机器学习项目，这非常适合初学者，并能快速构建令人印象深刻的作品集。 - 一种不为人知的捷径，让你掌握机器学习的速度是竞争对手的三倍，同时提升你的市场价值。 - 在Jupyter Notebook工作时常被忽视的注意事项，这会导致在部署时API崩溃，以及如何避免，节省大量时间。（与PICKLE和JOBLIB有关） 总体来说，这是一个适合希望快速入门机器学习并在相关领域获得竞争优势的课程。
Apprenez le Workflow pour entraîner un pipeline Machine Learning de grade professionnel et à la déployer en production même si vous venez débuter.Aucune installation requise.On va voir ensemble comment utiliser les outils suivants:Scikit Learn Pipelines, Column Transformer, GridSearchCV, KFold CrossValidation, FunctionTransformer, CountVectorizer et bien plus.On va voir comment "tricher" grace au AutoML et comment l'utilisation de cet outil révolutionnaire s'intègre à notre workflow ultime.Une fois notre Pipeline finale prête à être déployer nous allons l'encapsuler dans une API Flask que nous coderons et nous la déploierons ensuite sur Heroku avec GitHub.Parfait pour démontrer vos compétences dans votre Portfolio ou pour le passage d'une certification en réalisant une actions que seules les Pros savent faire.Cours Indispensables si vous couramment en train de chercher un stage, une alternance ou votre premier emploi de Data Scientist / Machine Learning Engineer et ainsi augmenter vos chances d'être récruté·esEt en plus:La technique secrète qui permettent même à des personnes qui ne connaissent pas la différence en XGBOOST et les Random Forest d'obtenir des résultats professionnellement satisfaisant lorsqu'elles entraînent un modèle… Et non ce n'est pas de faire une RandomSearchCV plutôt qu'une GridSearchCV!Un process simplifié à l'extrême en 10 étapes pour que mon même mon grand-père puisse déployer un modèle scikit-learn en production, TOUT EN ETANT UTILISABLE PROFESSIONNELLEMENT (OU MÊME POUR FAIRE BONNE IMPRESSION DANS SON PORTFOLIO.)Comment déployer un projet MACHINE LEARNING sans avoir à installer quoique ce soit d'autres qu'un navigateur WEB (que vous avez sûrement déjà!) … Parfait pour débuter et construire un portfolio IMPRESSIONNANT rapidement … pendant que la concurrence perd des journées à installer Docker sur leur vieux Windows 7.Le raccourci peu connu pour maîtriser le ML trois fois plus vite que la concurrence tout en augmentant votre valeur sur le marché du travail. (pendant que tout le monde apprend la même chose, prenez une longueur d'avance en travaillant sur ce qui compte vraiment)La chose auquel on ne pense pas quand on travailler sur Jupyter Notebook qui risque de faire crasher votre API lors du déploiement… et comment l'éviter pour gagner un temps fou. (c'est en rapport avec PICKLE et JOBLIB)
