Este curso faz parte do Programa de cursos integrados Machine Learning Engineering for Production (MLOps)

4.3
estrelas
596 classificações

Robert Crowe

28.982 já se inscreveram

oferecido por

Programa de cursos integrados Machine Learning Engineering for Production (MLOps)deeplearning.ai

Informações sobre o curso

127.485 visualizações recentes

In the second course of Machine Learning Engineering for Production Specialization, you will build data pipelines by gathering, cleaning, and validating datasets and assessing data quality; implement feature engineering, transformation, and selection with TensorFlow Extended and get the most predictive power out of your data; and establish the data lifecycle by leveraging data lineage and provenance metadata tools and follow data evolution with enterprise data schemas.
Understanding machine learning and deep learning concepts is essential, but if you’re looking to build an effective AI career, you need production engineering capabilities as well. Machine learning engineering for production combines the foundational concepts of machine learning with the functional expertise of modern software development and engineering roles to help you develop production-ready skills. 

Week 1: Collecting, Labeling, and Validating data
Week 2: Feature Engineering, Transformation, and Selection
Week 3: Data Journey and Data Storage
Week 4: Advanced Data Labeling Methods, Data Augmentation, and Preprocessing Different Data Types

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Laboratórios Coursera

Inclui projetos práticos de aprendizado.

Saiba mais sobre o Laboratórios Coursera

Curso 2 de 4 no

Programa de cursos integrados Machine Learning Engineering for Production (MLOps)

Nível avançado

• Some knowledge of AI / deep learning

• Intermediate Python skills

• Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)

Aprox. 22 horas para completar

Inglês

O que você vai aprender

Identify responsible data collection for building a fair ML production system.
Implement feature engineering, transformation, and selection with TensorFlow Extended
Understand the data journey over a production system’s lifecycle and leverage ML metadata and enterprise schemas to address quickly evolving data.

Habilidades que você terá

ML Metadata
Convolutional Neural Network
TensorFlow Extended (TFX)
Data Validation
Data transformation

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Laboratórios Coursera

Inclui projetos práticos de aprendizado.

Saiba mais sobre o Laboratórios Coursera

Curso 2 de 4 no

Programa de cursos integrados Machine Learning Engineering for Production (MLOps)

Nível avançado

• Some knowledge of AI / deep learning

• Intermediate Python skills

• Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)

Aprox. 22 horas para completar

Inglês

Instrutores

Classificação do instrutor

4,14/5 (175 classificações)

Robert Crowe

Instructor

TensorFlow Developer Engineer, Google

36.229 aprendizes

3 Cursos

oferecido por

deeplearning.ai

Programa - O que você aprenderá com este curso

Classificação do conteúdo86%(3,133 classificações)

Semana

Semana 1

6 horas para concluir

Week 1: Collecting, Labeling and Validating Data

6 horas para concluir

12 vídeos (Total 95 mín.), 3 leituras, 7 testes

12 videos

Specialization overview6min

Course Overview2min

Overview11min

ML Pipelines6min

Importance of Data8min

Example Application: Suggesting Runs8min

Responsible Data: Security, Privacy & Fairness11min

Case Study: Degraded Model Performance9min

Data and Concept Change in Production ML5min

Process Feedback and Human Labeling11min

Detecting Data Issues7min

TensorFlow Data Validation6min

3 leituras

Week 1 Optional References3min

(Optional)Downloading your Notebook and Refreshing your Workspace

Partial Grading for Assignments2min

4 exercícios práticos

Intro to MLEP12min

Data Collection15min

Data Labeling5min

Issues in Training Data10min

Semana

Semana 2

7 horas para concluir

Week 2: Feature Engineering, Transformation and Selection

7 horas para concluir

12 vídeos (Total 86 mín.), 1 leitura, 5 testes

12 videos

Introduction to Preprocessing5min

Preprocessing Operations6min

Feature Engineering Techniques10min

Feature Crosses3min

Preprocessing Data at Scale12min

TensorFlow Transform14min

Hello World with tf.Transform7min

Feature Spaces5min

Feature Selection4min

Filter Methods6min

Wrapper Methods5min

Embedded Methods5min

1 leituras

Week 2 Optional References3min

3 exercícios práticos

Feature Engineering and Preprocessing15min

Feature Transformation15min

Feature Selection8min

Semana

Semana 3

5 horas para concluir

Week 3: Data Journey and Data Storage

5 horas para concluir

8 vídeos (Total 42 mín.), 1 leitura, 5 testes

Semana

Semana 4

4 horas para concluir

Week 4 (Optional): Advanced Labeling, Augmentation and Data Preprocessing

4 horas para concluir

6 vídeos (Total 31 mín.), 5 leituras, 4 testes

6 videos

Semi-supervised Learning4min

Active Learning4min

Weak Supervision5min

Data Augmentation4min

Time Series8min

Sensors and Signals3min

5 leituras

Feature Engineering with Weather Data50min

Feature Engineering with Accelerometer Data50min

Week 4 Optional References3min

Course 2 Optional References3min

Acknowledegements3min

3 exercícios práticos

Advanced Labelling5min

Data Augmentation5min

Different Data Types5min

Avaliações

4.3

113 avaliações

5 stars
60,36%
4 stars
21,40%
3 stars
9,86%
2 stars
5,01%
1 star
3,34%

Principais avaliações do MACHINE LEARNING DATA LIFECYCLE IN PRODUCTION

por ZE23 de dez de 2021

It is really good course, the detail explanation of Data LifeCycle in TFX!

por SS12 de out de 2021

The course is exciting. Lab and exercises are informative, but the answer to the quizzes are a little ambiguous.

por SC20 de jul de 2021

Best course for the professionals looking to upgrade there ML skills at production level! Thanks to the brilliant and wonderful course instructor.

por FF8 de set de 2021

Lessons are well structured and clear, and the labs are very instructive. Above all the course is fun!

Visualizar todas as avaliações

Sobre Programa de cursos integrados Machine Learning Engineering for Production (MLOps)

Understanding machine learning and deep learning concepts is essential, but if you’re looking to build an effective AI career, you need production engineering capabilities as well.

Effectively deploying machine learning models requires competencies more commonly found in technical fields such as software engineering and DevOps. Machine learning engineering for production combines the foundational concepts of machine learning with the functional expertise of modern software development and engineering roles. The Machine Learning Engineering for Production (MLOps) Specialization covers how to conceptualize, build, and maintain integrated systems that continuously operate in production. In striking contrast with standard machine learning modeling, production systems need to handle relentless evolving data. Moreover, the production system must run non-stop at the minimum cost while producing the maximum performance. In this Specialization, you will learn how to use well-established tools and methodologies for doing all of this effectively and efficiently. In this Specialization, you will become familiar with the capabilities, challenges, and consequences of machine learning engineering in production. By the end, you will be ready to employ your new production-ready skills to participate in the development of leading-edge AI technology to solve real-world problems.

Machine Learning Engineering for Production (MLOps)

Perguntas Frequentes – FAQ

Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Existe algum auxílio financeiro disponível?
Sim. Em programas de aprendizado selecionados, você pode solicitar auxílio financeiro ou uma bolsa de estudos caso não consiga pagar a taxa de inscrição. Se o auxílio financeiro ou bolsa de estudos estiver disponível para a seleção do seu programa de aprendizado, você encontrará um link para se inscrever na página de descrição.

Mais dúvidas? Visite o Central de Ajuda ao estudante.

Machine Learning Data Lifecycle in Production

Informações sobre o curso

O que você vai aprender

Habilidades que você terá