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