Dans ce cours sur l'Apprentissage automatique en production, vous développerez votre intuition sur la conception d'un système de ML en production de bout en bout : cadrage du projet, besoins en données, stratégies de modélisation, et modèles et technologies de déploiement. Vous apprendrez des stratégies pour relever les défis courants de la production, tels que l'établissement d'un modèle de référence, le traitement de la dérive des concepts et l'exécution d'une analyse des erreurs. Vous suivrez un cadre pour développer, déployer et améliorer continuellement une application ML en production. Comprendre les concepts d'apprentissage automatique et d'apprentissage profond est essentiel, mais si vous cherchez à construire une carrière efficace en IA, vous devez également avoir de l'expérience dans la préparation de vos projets pour le déploiement. L'ingénierie de l'apprentissage automatique pour la production combine les concepts fondamentaux de l'apprentissage automatique avec les compétences et les meilleures pratiques du développement logiciel moderne nécessaires pour déployer et maintenir avec succès les systèmes ML dans des environnements réels.Semaine 1 : Vue d'ensemble du cycle de vie et du déploiement de l'apprentissage automatique Semaine 2 : Défis et stratégies de modélisation Semaine 3 : Définition des données et base de référence
L'apprentissage automatique en production
Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant

L'apprentissage automatique en production
Enseigné en Français (doublage IA)

Instructeur : Andrew Ng
Enseignant de premier plan
158 849 déjà inscrits
3,358 avis
Expérience recommandée
Ce que vous apprendrez
Identifier les composants clés du cycle de vie du projet ML, le pipeline et sélectionner les meilleurs modèles de déploiement et de surveillance pour différents scénarios de production.
Optimiser les performances et les mesures du modèle en donnant la priorité aux exemples d'une importance disproportionnée qui représentent des tranches clés d'un ensemble de données.
Résolvez les défis de production concernant les données structurées, non structurées, petites et Big data, en quoi la cohérence des étiquettes est essentielle et comment vous pouvez l'améliorer.
Compétences que vous acquerrez
- Catégorie : Apprentissage automatique
- Catégorie : Maintenance des données
- Catégorie : Validation des données
- Catégorie : Collecte de données
- Catégorie : Déploiement des applications
- Catégorie : Prétraitement des données
- Catégorie : MLOps (Machine Learning Operations)
- Catégorie : Intégrité des données
- Catégorie : Modèle de formation
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Contrôle continu
- Catégorie : Qualité des données
- Catégorie : Évaluation du modèle
- Catégorie : Surveillance du système
- Catégorie : Déploiement continu
- Catégorie : Optimisation du modèle
- Catégorie : Synthèse des données
- Catégorie : Données non structurées
Outils que vous découvrirez
- Catégorie : Déploiement du modèle
Détails à connaître

Ajouter à votre profil LinkedIn
6 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Il y a 3 modules dans ce cours
Instructeur

Offert par
En savoir plus sur Apprentissage automatique
Statut : Essai gratuit
Statut : Essai gratuitCoursera
Statut : Essai gratuit
Statut : Essai gratuitGoogle Cloud
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Avis des étudiants
- 5 stars
84,07 %
- 4 stars
12,97 %
- 3 stars
1,90 %
- 2 stars
0,74 %
- 1 star
0,29 %
Affichage de 3 sur 3358
Révisé le 19 mai 2021
Excellent course, as always! Many thanks! Great combination of theory + notebooks with practical examples.Everything is perfectly structured. I will recommend this course to everyone!
Révisé le 7 janv. 2023
I really enjoy participating in a great class like Andrew's class. It's full of useful and applicable points that I encounter during a real prj. Thanks for sharing this asset with us :))
Révisé le 15 nov. 2024
I learned many new perspective on how I can build my machine learning product and some pitfalls that could happen. It gives me fundamental on how do I design my product better.
Foire Aux Questions
Plus de questions
Aide financière disponible,


