Introduction to ML Engineering: Build, Evaluate, and Operationalize Models (bằng tiếng Anh).

Chuyển đổi một mô hình học máy từ một môi trường địa phương sang một hệ thống sản xuất đáng tin cậy là một trong những kỹ năng quan trọng nhất trong công nghệ hiện đại. Chương trình học dựa trên văn bản này hướng dẫn bạn qua toàn bộ chu kỳ sống của kỹ thuật học máy, giúp bạn nối kết khoảng cách giữa lý thuyết và triển khai thực tế. Bạn sẽ tiến triển từ việc hiểu các định nghĩa học máy cốt lõi đến xây dựng, kiểm tra và vận hành mô hình. Bằng cách nghiên cứu các ví dụ mã có cấu trúc và giải thích kiến trúc rõ ràng, bạn sẽ học cách chuẩn bị dữ liệu, chọn các thuật toán đúng, đánh giá hiệu suất mô hình chính xác và thiết lập các đường ống triển khai cơ bản. Bạn sẽ học được: - Hiểu các khái niệm học máy cơ bản, thuật ngữ, và chu kỳ phát triển mô hình. - Chuẩn bị và xử lý trước dữ liệu huấn luyện bằng cách sử dụng thư viện dataframe hiện đại và kỹ thuật kỹ sư đặc trưng. - Luyện tập và điều chỉnh mô hình học máy sử dụng thuật toán tiêu chuẩn công nghiệp. - Đánh giá hiệu suất mô hình bằng cách sử dụng các thước đo mạnh, xác minh chéo và phân tích lỗi. - Apply basic MLOps principles to package, version, and deploy models to production. - Cấu hình các quá trình giám sát để phát hiện mô hình trôi dạt và đảm bảo độ tin cậy lâu dài. Chương trình bắt đầu với các định nghĩa cơ bản và các nguyên tắc chuẩn bị dữ liệu trước khi chuyển sang đào tạo mô hình, chiến lược đánh giá và các luồng công việc thực tế. Bạn sẽ học qua những lời giải thích rõ ràng, viết và các đoạn mã có cấu trúc phản ánh các thực tiễn kỹ thuật thế giới thực. Lớp học này được thiết kế cho các kỹ sư ML tham vọng, nhà phát triển phần mềm và người đam mê dữ liệu mới đến quản lý chu kỳ học máy. Không cần kinh nghiệm học máy trước, mặc dù một sự quen thuộc cơ bản với Python là hữu ích. Bắt đầu hành trình của bạn hướng tới việc thành thạo kỹ thuật học máy thực tế hôm nay.