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

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

Instructeur : Andrew Ng
Enseignant de premier plan
158 984 déjà inscrits
3,359 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 : Intégrité des données
- Catégorie : MLOps (Machine Learning Operations)
- Catégorie : Déploiement continu
- Catégorie : Évaluation du modèle
- Catégorie : Synthèse des données
- Catégorie : Modèle de formation
- Catégorie : Surveillance du système
- Catégorie : Prétraitement des données
- Catégorie : Validation des données
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Maintenance des données
- Catégorie : Apprentissage automatique
- Catégorie : Optimisation du modèle
- Catégorie : Qualité des données
- Catégorie : Contrôle continu
- Catégorie : Déploiement des applications
- Catégorie : Collecte de données
- Catégorie : Données non structurées
Outils que vous découvrirez
- Catégorie : Déploiement du modèle
Détails à connaître

Ajouter à votre profil LinkedIn
6 devoirs
91%
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
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
84,08 %
- 4 stars
12,97 %
- 3 stars
1,90 %
- 2 stars
0,74 %
- 1 star
0,29 %
Affichage de 3 sur 3359
Révisé le 8 janv. 2023
Excellent course! Andrew Ng is an exceptional human being. His teaching skill are impeccable and you as a student actually are interested in what he's telling you and learn more.
Révisé le 4 juin 2021
really a great course. It'll really change your way of thinking ML in production use and will help you better understand how can you leverage the power of ML in a way that I'll really create a value
Révisé le 4 juin 2021
The content of this course has been especially useful for me. I wish there were more emphasis on the tools recommendation as well, but the theoretical knowledge was just fine. Thank you!
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Foire Aux Questions
Plus de questions
Aide financière disponible,





