Il s'agit du sixième cours de la spécialisation IBM AI Enterprise Workflow Certification. Vous êtes FORTEMENT encouragé à suivre ces cours dans l'ordre, car ils ne sont pas indépendants les uns des autres, mais font partie d'un flux de travail où chaque cours s'appuie sur les précédents.
Ce cours se concentre sur les modèles en production dans une entreprise hypothétique de médias en continu. Il y a une introduction à IBM Watson Machine Learning. Vous construirez votre propre API dans un conteneur Docker et apprendrez à gérer les conteneurs avec Kubernetes. Le cours présente également plusieurs autres outils de l'écosystème IBM conçus pour aider à déployer ou à maintenir des modèles en production. Le flux de travail de l'IA n'est pas un processus linéaire, il y a donc du temps consacré aux boucles de rétroaction les plus importantes afin de promouvoir une itération efficace sur le flux de travail global. À la fin de ce cours, vous serez en mesure de : 1. Utiliser Docker pour déployer une application Flask 2. Déployer une interface utilisateur simple pour intégrer le modèle ML, Watson NLU et Watson Visual Recognition 3. Discuter de la terminologie de base de Kubernetes 4. Déployez une application web évolutive sur Kubernetes 5. Discutez des différentes boucles de rétroaction dans le flux de travail de l'IA 6. Discutez de l'utilisation des tests unitaires dans le contexte de la production de modèles 7. Utiliser IBM Watson OpenScale pour évaluer le biais et la performance des modèles d'apprentissage automatique de production. Qui devrait suivre ce cours ? Ce cours s'adresse aux praticiens de la science des données existants qui ont une expertise dans la construction de modèles d'apprentissage automatique, qui veulent approfondir leurs compétences sur la construction et le déploiement de l'IA dans les grandes entreprises. Si vous êtes un aspirant Data Scientist, ce cours n'est PAS pour vous car vous avez besoin d'une expertise du monde réel pour bénéficier du contenu de ces cours. Quelles compétences devez-vous avoir ? Il est supposé que vous avez suivi les cours 1 à 5 de la spécialisation IBM AI Enterprise Workflow et que vous avez une solide compréhension des sujets suivants avant de commencer ce cours : Compréhension fondamentale de l'algèbre linéaire ; compréhension de l'échantillonnage, de la théorie des probabilités et des distributions de probabilités ; connaissance des concepts statistiques descriptifs et inférentiels ; compréhension générale des techniques d'apprentissage automatique et des meilleures pratiques ; compréhension pratique de Python et des packages couramment utilisés dans la science des données : NumPy, Pandas, matplotlib, scikit-learn ; Familiarité avec IBM Watson Studio ; Familiarité avec le processus de réflexion sur la conception.