课程信息

166,973 次近期查看
可灵活调整截止日期
根据您的日程表重置截止日期。
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
高级

• Some knowledge of AI / deep learning • Intermediate Python skills • Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)

完成时间大约为10 小时
英语(English)

您将学到的内容有

  • 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.

您将获得的技能

  • Human-level Performance (HLP)
  • Concept Drift
  • Model baseline
  • Project Scoping and Design
  • ML Deployment Challenges
可灵活调整截止日期
根据您的日程表重置截止日期。
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
高级

• Some knowledge of AI / deep learning • Intermediate Python skills • Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)

完成时间大约为10 小时
英语(English)

提供方

Placeholder

deeplearning.ai

授课大纲 - 您将从这门课程中学到什么

内容评分Thumbs Up97%(3,561 个评分)Info
1

1

完成时间为 3 小时

Week 1: Overview of the ML Lifecycle and Deployment

完成时间为 3 小时
9 个视频 (总计 81 分钟), 3 个阅读材料, 3 个测验
2

2

完成时间为 3 小时

Week 2: Select and Train a Model

完成时间为 3 小时
16 个视频 (总计 107 分钟), 1 个阅读材料, 3 个测验
3

3

完成时间为 4 小时

Week 3: Data Definition and Baseline

完成时间为 4 小时
16 个视频 (总计 128 分钟), 3 个阅读材料, 3 个测验

审阅

来自INTRODUCTION TO MACHINE LEARNING IN PRODUCTION的热门评论

查看所有评论

关于 Machine Learning Engineering for Production (MLOps) 专项课程

Machine Learning Engineering for Production (MLOps)

常见问题

还有其他问题吗?请访问 学生帮助中心