"Скачать сейчас"
- Превратите бизнес-задачи в варианты использования ML
- Выберите оптимальное решение (ML или не ML, индивидуальное или готовое)
- Определите, как выходные данные модели должны решить бизнес-проблему
- Определите источники данных (доступные или идеальные)
- Определите проблемы ML (тип проблемы, результат прогнозов, форматы ввода и вывода)
- Определить критерии успеха бизнеса (согласование показателей машинного обучения, ключевые результаты)
- Выявление рисков для решений ML (оценка влияния на бизнес, готовность решения ML, готовность данных)
- Создавайте надежные, масштабируемые и доступные решения машинного обучения
- Выберите подходящие сервисы и компоненты машинного обучения
- Проектирование исследования/анализа данных, разработка функций, ведение журнала/управление, автоматизация, оркестровка, мониторинг и стратегии обслуживания
- Оцените варианты аппаратного обеспечения Google Cloud (ЦП, ГП, ТПУ, пограничные устройства)
- Разрабатывайте архитектуры, отвечающие требованиям безопасности в разных секторах
- Исследуйте данные (визуализация, статистические основы, качество данных, ограничения данных)
- Создание конвейеров данных (организация и оптимизация наборов данных, обработка отсутствующих данных и выбросов, предотвращение утечки данных)
- Создание входных признаков (обеспечение согласованности данных перед обработкой, кодирование структурированных данных, управление выбором признаков, обработка дисбаланса классов, использование преобразований) Подробнее
