دوره آموزشی راهنمای اجرایی استراتژی مدل‌سازی پیش‌بینی‌کننده در مقیاس

ساخت راه‌حل‌های تحلیلی پیش‌بینی‌کننده در سطح جهانی مستلزم درک این موضوع است که چالش‌های مقیاس و اندازه نمونه در مراحل مختلف یک پروژه بسیار نوسان دارند. چگونه می دانید چه مقدار داده باید استفاده کنید؟ چه چیزی کم، چه چیزی زیاد؟ زیرساخت شما چگونه باید با حجم و تقاضای پروژه مقیاس شود؟ این دوره گام به گام جنبه‌های استراتژیک و تاکتیکی تعیین میزان داده مورد نیاز برای ساختن یک راه‌حل مدل‌سازی پیش‌بینی‌کننده مؤثر بر اساس یادگیری ماشین را طی می‌کند و چه حجمی از داده‌ها آنقدر زیاد است که چالش‌هایی را ایجاد می‌کنند. مربی کیت مک کورمیک هر مرحله - انتخاب داده ها، آماده سازی داده ها، مدل سازی، امتیازدهی و استقرار - را با در نظر گرفتن مقیاس پذیری بررسی می کند و بینش ها، دیدگاه ها و ابزارهای همکاری جدید را به متخصصان فناوری اطلاعات، دانشمندان داده و رهبری ارائه می دهد.

توجه: این دوره آموزشی نرم افزاری است. تاکید بر استراتژی و برنامه ریزی است. مثال‌ها، محاسبات و نتایج نرم‌افزار نشان داده شده فقط برای اهداف آموزشی هستند.

اهداف یادگیری
ارزیابی حجم مناسب داده ها
ارزیابی کیفیت و کمیت داده ها
فصلی و تراز زمانی
چالش های آماده سازی داده ها
چالش های مدل سازی داده ها
امتیاز دهی به مدل های یادگیری ماشینی
استقرار مدل ها و تنظیم آماده سازی داده ها و امتیازدهی
نظارت و نگهداری