ยินดีด้วย

การติดตามตรวจสอบ Machine Learning ด้วย Python

Hakim Elakhrass

Co-founder and CEO of NannyML

สรุปบทที่ 1

• พื้นฐานของไลบรารี NannyML
• กระบวนการเตรียมข้อมูลสำหรับชุดข้อมูล NYC Green Taxi
• การประมาณประสิทธิภาพด้วย CBPE และ DLE

สรุปบทที่ 2

• การวัดประสิทธิภาพเมื่อมี ground truth พร้อมใช้งาน
• การกรอง พล็อต และแปลงรูปแบบ dataframe ของผลลัพธ์
• ความเข้าใจเรื่อง chunking และ threshold
• การคำนวณและประมาณมูลค่าทางธุรกิจของโมเดล

สรุปบทที่ 3

• การตรวจจับ drift แบบ multivariate
• การทดสอบวิธีตรวจจับ drift แบบ univariate หลากหลายรูปแบบ
• การใช้ตัวคำนวณตรวจสอบคุณภาพข้อมูล
• ความเข้าใจวิธีแก้ไขปัญหาในรูปแบบต่าง ๆ

ต่อจากนี้?

• สำรวจบล็อกของ NannyML เพื่อดู tutorial
• อ่านเอกสาร documentation ของ NannyML สำหรับข้อมูลเพิ่มเติม
• ลองเรียนคอร์สเพิ่มเติมเกี่ยวกับ machine learning model lifecycle และ MLOps
• ทดลองทำโปรเจกต์จริงและนำ NannyML ไปประยุกต์ใช้

ขอบคุณ!

การติดตามตรวจสอบ Machine Learning ด้วย Python