Question 1

Was ist maschinelles Lernen in der Produktion? Warum ist es relevant?

Accepted Answer

Machine Learning Engineering für die Produktion bezieht sich auf die Werkzeuge, Techniken und praktischen Erfahrungen, die theoretisches ML-Wissen in ein produktionsreifes Skillset umwandeln.

Der effektive Einsatz von Machine-Learning-Modellen erfordert Kompetenzen, die eher in technischen Bereichen wie Softwareentwicklung und DevOps zu finden sind. Die Technik des maschinellen Lernens für die Produktion kombiniert die grundlegenden Konzepte des maschinellen Lernens mit dem funktionalen Fachwissen moderner Softwareentwicklungs- und Ingenieursrollen.

Das Verständnis von Konzepten des maschinellen Lernens und Deep Learning ist unerlässlich, aber wenn Sie eine effektive KI-Karriere anstreben, benötigen Sie auch produktionstechnische Fähigkeiten. Mit Machine Learning Engineering für die Produktion können Sie Ihr Wissen über maschinelles Lernen in produktionsreife Fähigkeiten umwandeln.

Question 2

Worum geht es im Kurs Maschinelles Lernen in der Produktion?

Accepted Answer

Der Kurs Maschinelles Lernen in der Produktion befasst sich mit der Konzeption integrierter Systeme, die kontinuierlich in der Produktion arbeiten, sowie mit der Lösung allgemeiner Herausforderungen, die sich in der Produktionsumgebung ergeben. Im Gegensatz zur Standardmodellierung des maschinellen Lernens müssen Produktionssysteme mit sich entwickelnden Daten umgehen. Darüber hinaus muss das Produktionssystem ohne Unterbrechung zu minimalen Kosten und mit maximaler Leistung laufen.
In diesem Kurs über maschinelles Lernen in der Produktion werden Sie ein Gespür dafür entwickeln, wie man ein ML-System für die Produktion von Anfang bis Ende entwirft: Projektumfang, Datenanforderungen, Modellierungsstrategien sowie Einsatzmuster und -technologien. Sie lernen Strategien für die Bewältigung gängiger Herausforderungen in der Produktion kennen, wie z. B. die Erstellung einer Modell-Baseline, die Behandlung von Konzeptabweichungen und die Durchführung von Fehleranalysen. Sie werden einen Rahmen für die Entwicklung, den Einsatz und die kontinuierliche Verbesserung einer produktiven ML-Anwendung kennenlernen.

Question 3

Was kann ich nach Abschluss des Kurses "Maschinelles Lernen in der Produktion" tun?

Accepted Answer

Am Ende des Kurses werden Sie in der Lage sein:

Entwerfen Sie ein ML-Produktionssystem von Anfang bis Ende: Projektrahmen, Datenbedarf, Modellierungsstrategien und Einsatzanforderungen.

Erstellen Sie eine Modell-Baseline, gehen Sie auf Konzeptabweichungen ein und stellen Sie einen Prototyp für die Entwicklung, Bereitstellung und kontinuierliche Verbesserung einer produktiven ML-Anwendung auf.

Aufbau von Datenpipelines durch Sammeln, Bereinigen und Validieren von Datensätzen.

Implementierung von Feature Engineering, Transformation und Auswahl mit TensorFlow Extended.

Einrichtung des Datenlebenszyklus durch Nutzung von Metadaten-Tools für die Datenherkunft und -verfügbarkeit und Verfolgung der Datenentwicklung mit Unternehmensdatenschemata.

Anwendung von Techniken zur Verwaltung von Modellierungsressourcen und zur optimalen Bearbeitung von Offline/Online-Inferenzanfragen.

Verwendung von Analysen, um Modellgerechtigkeit und Erklärungsprobleme anzugehen und Engpässe zu entschärfen.

Bereitstellung von Pipelines für die Modellbereitstellung, die unterschiedliche Infrastrukturen erfordern.

Anwendung von Best Practices und fortschrittlichen Bereitstellungstechniken zur Aufrechterhaltung eines kontinuierlich arbeitenden Produktionssystems.

Question 4

Welches Hintergrundwissen ist für den Kurs "Maschinelles Lernen in der Produktion" erforderlich?

Accepted Answer

Die Lernenden sollten über Kenntnisse im Bereich KI und Deep Learning verfügen.

Die Teilnehmer sollten über fortgeschrittene Python-Kenntnisse und Erfahrung mit einem Deep-Learning-Framework (TensorFlow, Keras oder PyTorch) verfügen.

Wir empfehlen Ihnen dringend, die aktualisierte Deep Learning-Spezialisierung zu absolvieren, bevor Sie diesen Kurs beginnen.

Question 5

Was werde ich im Kurs "Maschinelles Lernen in der Produktion" lernen?

Accepted Answer

Entwerfen Sie ein ML-Produktionssystem von Anfang bis Ende: Projektrahmen, Datenbedarf, Modellierungsstrategien und Bereitstellungsanforderungen.

Erstellen einer Modell-Baseline, Angehen der Konzeptabweichung und Erstellen eines Prototyps für die Entwicklung, Bereitstellung und kontinuierliche Verbesserung einer produktiven ML-Anwendung.

Aufbau von Datenpipelines durch Sammeln, Bereinigen und Validieren von Datensätzen. Einrichtung des Lebenszyklus von Daten durch die Verwendung von Metadaten-Tools für die Datenherkunft und -verfügbarkeit.

Anwendung von Best Practices und progressiven Bereitstellungstechniken zur Wartung und Überwachung eines kontinuierlich arbeitenden Produktionssystems.

Question 6

Für wen ist der Kurs Maschinelles Lernen in der Produktion gedacht?

Accepted Answer

<text variant="body1">Der Kurs "Maschinelles Lernen in der Produktion" richtet sich an Berufsanfänger im Bereich des maschinellen Lernens oder an Software-Ingenieure, die sich praktisches Wissen darüber aneignen möchten, wie man ein reproduzierbares, nachvollziehbares und überprüfbares maschinelles Lernprojekt für die Produktion formuliert.

Question 7

Wie lange dauert es, den Kurs Maschinelles Lernen in der Produktion zu absolvieren?

Accepted Answer

Bei 5 Stunden pro Woche dauert es in der Regel 3 Wochen, diesen Kurs zu absolvieren.

Question 8

Von wem wird der Kurs Maschinelles Lernen in der Produktion angeboten?

Accepted Answer

Der Kurs Maschinelles Lernen in der Produktion wurde von Andrew Ng entwickelt. Andrew Ng ist Gründer von DeepLearning.AI, General Partner bei AI Fund, Vorsitzender und Mitbegründer von Coursera und außerordentlicher Professor an der Stanford University. Als Pionier im Bereich des maschinellen Lernens und der Online-Bildung hat Dr. Ng durch seine Arbeit im Bereich der KI unzählige Menschenleben verändert. Er ist Autor oder Mitautor von mehr als 100 Forschungsarbeiten in den Bereichen maschinelles Lernen, Robotik und verwandten Gebieten. Zuvor war er Chefwissenschaftler bei Baidu, Gründungsleiter des Google Brain-Teams und Mitbegründer von Coursera, der weltweit größten MOOC-Plattform.

Question 9

Ist dies ein eigenständiger Kurs oder eine Specialization?

Accepted Answer

Der Kurs ist ein eigenständiger Kurs.

Question 10

Wie erhalte ich eine Quittung, um diese Kosten von meinem Arbeitgeber erstattet zu bekommen?

Accepted Answer

Question 11

Ich möchte diesen Kurs für meine Mitarbeiter erwerben. Wie kann ich das tun?

Accepted Answer

Question 12

Erhalte ich für den Abschluss der Spezialisierung Leistungspunkte?

Accepted Answer

Nein.

Question 13

Werde ich am Ende der Specializations ein Zertifikat erhalten?

Accepted Answer

<text variant="body1">Am Ende eines jeden Kurses erhalten Sie ein Zertifikat, wenn Sie für den Kurs bezahlen und die Aufgaben erfüllen. Es gibt ein LIMIT von 180 Tagen, nach dem Sie den Kurs erneut kaufen müssen, um ein Zertifikat zu erhalten. Wenn Sie den Kurs kostenlos besuchen, erhalten Sie kein Zertifikat.

Question 14

Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?

Accepted Answer

Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden.  Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.

Question 15

Was bekomme ich, wenn ich mich für diese Specialization einschreibe?

Accepted Answer

Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.

Question 16

Ist finanzielle Hilfe verfügbar?

Accepted Answer

Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.