Machine Learning and AI Foundations: Predictive Modeling Strategy at Scale 中文字幕
机器学习和AI基础：规模化的预测建模策略 中文字幕Machine Learning and AI Foundations: Predictive Modeling Strategy at Scale
构建世界一流的预测分析解决方案需要认识到规模和样本规模的挑战在项目的不同阶段会有很大的波动
你怎么知道要使用多少数据？ 什么太少，什么太多了？ 您的基础架构如何根据项目的数量和需求进行扩展？ 本课程将逐步介绍战略和战术方面，确定需要多少数据才能构建基于机器学习的有效预测建模解决方案，以及哪些数据量如此之大以至于会产生挑战
讲师Keith McCormick在评估每个阶段 - 数据选择，数据准备，建模，评分和部署时考虑了可扩展性，为IT专业人员，数据科学家和领 导者提供了新的见解，观点和协作工具
注意：本课程与软件无关
重点是战略和规划
显示的示例，计算和软件结果仅用于培训目的
主题包括：
评估适当的数据量
评估数据质量和数量
季节性和时间对齐
数据准备挑战
数据建模挑战
评分机器学习模型
部署模型并调整数据准备和评分
监控和维护
- [讲师]我们所有的组织都面临着越来越多的数据，但我们需要在预测分析模型中使用多少数据，以及在什么时候我们应该担心我们可能需要升级我们的建模基础设施？
在本课程中，我们将从头到尾完成建模过程，并讨论在项目的不同阶段数据量如何波动（通常是显着的）。
我的名字是Keith McCormick，我已经建立了超过20年的预测分析模型。
我很高兴与您分享我对这个关键但却被误解且经常被忽视的话题所学到的知识，那么您将学到什么？
如果您从事IT或IT管理，那么您将充分了解构建预测模型的幕后工作，以准确了解这些项目将对IT基础架构产生何种需求。
如果您是高级管理人员或者可能是分析管理人员，这将使您更深入地了解在使用哪些数据以及何时希望成为该流程的一部分时所做出的关键选择。
如果您是建模师，我们将首先回顾一下建模基础知识，但从一个没有得到足够重视的角度来看，我们一定会为您提供有关有效建模的新见解。
此外，您还需要开发一些关键技能，以便更有效地与IT，IT管理，您自己的管理层和高级管理层进行协作。
我期待着这个课程。
本课程视频下载地址:机器学习和AI基础：规模化的预测建模策略