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: Projektplanung, Datenanforderungen, Modellierungsstrategien sowie Einsatzmuster und -technologien. Sie lernen Strategien zur 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 verfolgen. Das Verständnis von Konzepten des maschinellen Lernens und des Deep Learning ist unerlässlich, aber wenn Sie eine effektive KI-Karriere anstreben, brauchen Sie auch Erfahrung bei der Vorbereitung Ihrer Projekte für den Einsatz. Machine Learning Engineering für die Produktion kombiniert die grundlegenden Konzepte des maschinellen Lernens mit den Fähigkeiten und Best Practices der modernen Softwareentwicklung, die notwendig sind, um ML-Systeme in realen Umgebungen erfolgreich einzusetzen und zu warten. Woche 1: Überblick über den ML-Lebenszyklus und Einsatz Woche 2: Modellierungsherausforderungen und -strategien Woche 3: Datendefinition und Baseline