Einführung

Willkommen beim Test- und Debugging-Test im maschinellen Lernen. Das Testen und Debuggen von ML-Systemen unterscheidet sich erheblich von Tests und dem Debugging herkömmlicher Software. In diesem Kurs wird beschrieben, wie Sie vom Debuggen Ihres Modells bis zum Monitoring Ihrer Pipeline in der Produktion gehen.

Geschätzte Kurslänge: 4 Stunden

Das sind die Themen:

• Validierung von Rohdaten und Featuredaten.
• Fehler im ML-Modell beheben, damit das Modell funktioniert
• Tests zur Vereinfachung der Fehlerbehebung implementieren
• Ein funktionierendes ML-Modell optimieren
• Modellmesswerte während der Entwicklung, Einführung und Produktion überwachen

Die Themen in diesem Kurs werden nicht behandelt:

• Tensorflow Debugger: Ein spezieller Debugger für Tensorflow.
• Modellverständnis: Einblicke in das Verhalten von ML-Modellen
• Richtlinien für bestimmte ML-Anwendungen.

Voraussetzungen

Für diesen Kurs wird vorausgesetzt, dass Sie

• Abschluss von Framing von maschinellem Lernen oder entsprechende Kenntnisse.
• Sie haben den Crashkurs zu maschinellem Lernen abgeschlossen oder verfügen über entsprechende Kenntnisse.
• Abgeschlossene Datenvorbereitung und Feature Engineering oder entsprechende Kenntnisse.
• Grundlegende Programmierkenntnisse in Python.

Viel Spaß bei den Online-Seminaren!