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

4.5
estrelas
126 classificações

Robert Crowe

7.821 já se inscreveram

oferecido por

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

Informações sobre o curso

93.924 visualizações recentes

In the third course of Machine Learning Engineering for Production Specialization, you will build models for different serving environments; implement tools and techniques to effectively manage your modeling resources and best serve offline and online inference requests; and use analytics tools and performance metrics to address model fairness, explainability issues, and mitigate bottlenecks.
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: Neural Architecture Search
Week 2: Model Resource Management Techniques
Week 3: High-Performance Modeling
Week 4: Model Analysis
Week 5: Interpretability

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.

Curso 3 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. 26 horas para completar

Inglês

Legendas: Inglês

O que você vai aprender

Apply techniques to manage modeling resources and best serve batch and real-time inference requests.

Use analytics to address model fairness, explainability issues, and mitigate bottlenecks.

Habilidades que você terá

Explainable AI
Fairness Indicators
automl
Model Performance Analysis
Precomputing Predictions

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.

Curso 3 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. 26 horas para completar

Inglês

Legendas: Inglês

Instrutores

Classificação do instrutor

4,5/5 (36 classificações)

Robert Crowe

Instructor

TensorFlow Developer Engineer, Google

15.522 aprendizes

3 Cursos

oferecido por

deeplearning.ai

DeepLearning.AI is an education technology company that develops a global community of AI talent.

Programa - O que você aprenderá com este curso

Semana

Semana 1

7 horas para concluir

Week 1: Neural Architecture Search

Learn how to effectively search for the best model that will scale for various serving needs while constraining model complexity and hardware requirements.

7 horas para concluir

9 vídeos (Total 40 mín.), 2 leituras, 6 testes

Semana

Semana 2

5 horas para concluir

Week 2: Model Resource Management Techniques

Learn how to optimize and manage the compute, storage, and I/O resources your model needs in production environments during its entire lifecycle.

5 horas para concluir

13 vídeos (Total 91 mín.), 3 leituras, 3 testes

13 videos

Dimensionality Effect on Performance8min

Curse of Dimensionality9min

Curse of Dimensionality: an Example4min

Manual Dimensionality Reduction5min

Manual Dimensionality Reduction: Case Study7min

Algorithmic Dimensionality Reduction 2min

Principal Components Analysis7min

Other Techniques7min

Mobile, IoT, and Similar Use Cases 7min

Benefits and Process of Quantization8min

Post Training Quantization4min

Quantization Aware Training4min

Pruning12min

3 leituras

Dimensionality Reduction Techniques3min

Quantization3min

Pruning3min

2 exercícios práticos

Dimensionality Reduction20min

Quantization and Pruning20min

Semana

Semana 3

5 horas para concluir

Week 3: High-Performance Modeling

Implement distributed processing and parallelism techniques to make the most of your computational resources for training your models efficiently.

5 horas para concluir

6 vídeos (Total 57 mín.), 2 leituras, 4 testes

6 videos

Distributed Training10min

High-Performance Ingestion11min

Training Large Models - The Rise of Giant Neural Nets and Parallelism13min

Teacher and Student Networks3min

Knowledge Distillation Techniques9min

Case Study - How to Distill Knowledge for a Q&A Task8min

2 leituras

High-Performance Modeling5min

Knowledge Distillation 2min

2 exercícios práticos

High-Performance Modeling20min

Knowledge Distillation 20min

Semana

Semana 4

6 horas para concluir

Week 4: Model Analysis

Use model performance analysis to debug and remediate your model and measure robustness, fairness, and stability.

6 horas para concluir

12 vídeos (Total 69 mín.), 5 leituras, 5 testes

12 videos

Model Performance Analysis7min

Introduction to TensorFlow Model Analysis6min

TFMA in Practice3min

Model Debugging Overview3min

Benchmark Models1min

Sensitivity Analysis and Adversarial Attacks9min

Adversarial Attack Demo4min

Residual Analysis2min

Model Remediation4min

Fairness4min

Measuring Fairness 5min

Continuous Evaluation and Monitoring14min

5 leituras

TensorBoard3min

TensorFlow Model Analysis3min

Sensitivity Analysis and Adversarial Attacks3min

Model Remediation and Fairness5min

Continuous Evaluation and Monitoring5min

3 exercícios práticos

Model Analysis8min

Model Analysis and Debugging18min

Continuous Evaluation and Monitoring8min

Avaliações

4.5

23 avaliações

5 stars
71,22%
4 stars
19,42%
3 stars
6,47%
2 stars
2,15%
1 star
0,71%

Principais avaliações do MACHINE LEARNING MODELING PIPELINES IN PRODUCTION

por AK6 de Ago de 2021

Some of the topics were too advanced and instructor assumes that we know those basics. It felt rush through little bit and more of reading slides then explaining at many places

por JS13 de Set de 2021

Excellent content and lectures from Mr. Robert . Thank you very much Sir for the excellent way of explaining these difficult topics . Thank you !!!

por MB20 de Out de 2021

I enjoyed this course a lot. It gave me a lot of ideas on how I can improve my models and make my workflow more efficient. Thank you.

por MT4 de Set de 2021

Outstanding! Exceptionally informative. Makes me look way aheady how to implement ML pipelines, and how to analyze them.

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, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .

Mais dúvidas? Visite o Central de Ajuda ao estudante.

Machine Learning Modeling Pipelines in Production