Les modèles d'apprentissage automatique perdent en précision au fil du temps sans une surveillance et une optimisation appropriées. Ce cours abrégé a été créé pour aider les professionnels du ML et de l'IA à construire des systèmes robustes et prêts pour la production qui maintiennent les performances à l'échelle. En suivant ce cours, vous maîtriserez les compétences MLOps essentielles pour détecter la dérive des modèles, mettre en œuvre des flux de travail de recyclage automatisés et créer des pipelines ML optimisés qui garantissent une valeur commerciale durable dans les environnements de production.

À la fin de ce cours, vous serez en mesure de : - Évaluer les performances des modèles de production pour détecter et atténuer la dérive - Créer un pipeline d'apprentissage automatique de bout en bout pour l'optimisation des modèles Ce cours est unique car il comble le fossé entre le développement de modèles et les opérations de production, en se concentrant sur les stratégies d'automatisation et de surveillance qui empêchent les défaillances coûteuses des modèles. Pour réussir dans ce projet, vous devez avoir une expérience des principes fondamentaux de l'apprentissage automatique et de la programmation Python.