Инженерное обеспечение функций для машинного обучения и облачного анализа

Исходные данные редко готовы для моделей машинного обучения, и качество ваших функций часто определяет успех ваших проектов ИИ. Этот курс предоставляет всеобъемлющее руководство по выявлению, созданию и управлению атрибутами данных, которые управляют эффективными предсказаниями. Вы узнаете, как выбирать, преобразовывать и управлять атрибутами данных для создания более точных и масштабируемых моделей. К концу курса вы поймете, как преодолеть разрыв между хранением необработанных данных и вводом готовых моделей. Что вы узнаете: - Понимание основных концепций выбора признаков и преобразования данных - Практика инженерных атрибутов с использованием Keras и TensorFlow - Применение методов управления функциями с помощью магазина функций Vertex AI - Создание моделей машинного обучения непосредственно в хранилищах данных с использованием BigQuery ML - Внедрение автоматизированного отбора признаков для выявления наиболее значимых столбцов данных - Изучение современных методов проверки данных для обеспечения последовательности характеристик во времени Курс начинается с основных терминов и основ подготовки данных, а затем переходит к практическому управлению свойствами и интеграции моделей в облаке. Вы прочитываете подробные объяснения и изучаете примеры кода, которые демонстрируют, как справиться с проблемами реальных данных. Этот курс предназначен для новичков в области науки данных и машинного обучения; не требуется предыдущий опыт работы со специализированными облачными платформами или продвинутым инженерным обеспечением. Начните создавать более совершенные модели машинного обучения сегодня, овладев искусством инженерного обеспечения функций.