Test e Automazione delle Pipeline ML

I sistemi di machine learning nel mondo reale cambiano nel tempo man mano che i dati si modificano, rendendo i test automatizzati un requisito fondamentale per le pipeline di produzione. Questo corso ti insegna come stabilire test strutturati per rilevare gli errori prima che abbiano un impatto sui tuoi utenti. Passerai dalla valutazione manuale del modello alla costruzione di flussi di lavoro di test automatizzati che convalidano la qualità dei dati, la correttezza del codice e le prestazioni del modello. Attraverso chiare spiegazioni scritte ed esempi di codice pratici, imparerai a implementare controlli robusti in ogni fase della tua pipeline di machine learning. Cosa imparerai: - Comprendere i concetti fondamentali dei test ML, inclusa la convalida dei dati, la regressione del modello e l'integrità della pipeline. - Implementare test automatizzati usando pytest per verificare i passaggi di pre-elaborazione dei dati e di ingegneria delle funzionalità. - Rilevare la deriva dei dati e dei concetti per garantire che il tuo modello rimanga accurato al variare dei dati reali. - Valutare automaticamente le metriche di performance del modello durante le fasi di training e deployment. - Configurare flussi di lavoro CI/CD di base per eseguire automaticamente i test della tua pipeline ML. Il corso inizia con le definizioni fondamentali e i principi della degradazione dei sistemi di machine learning, quindi ti guida passo dopo passo attraverso la scrittura di suite di test automatizzate, la convalida degli input di dati e il monitoraggio degli output del modello. Questo corso è progettato per aspiranti ingegneri ML, data scientist e sviluppatori che sono nuovi ai test e vogliono costruire pipeline di machine learning affidabili. Non è richiesta alcuna esperienza di test precedente. Inizia oggi stesso a costruire pipeline di machine learning stabili e pronte per la produzione.