В разделе «Управление проектами машинного обучения» показано, как управлять проектом машинного обучения по мере его продвижения от идеи к готовой к реализации реализации. Курс охватывает этапы разработки ML, а также роли и навыки, которые обычно присутствуют в командах ML. В нем обсуждаются стратегии работы с заинтересованными сторонами и подробно рассказывается о том, как планировать и управлять проектом ML на каждом этапе разработки.
Демистифицируя сложности, присущие проектам ML, курс обеспечивает прочную теоретическую основу для управления проектами ML.
Курс фокусируется на традиционных моделях машинного обучения. Хотя генеративный искусственный интеллект находится в центре внимания, традиционное машинное обучение играет жизненно важную роль в Google, поддерживая множество сервисов и проектов: от прогнозирования времени в пути в Картах до оценки стоимости авиабилетов в Flights, от прогнозирования квоты TPU для Google Cloud до рекомендации подходящих видео. в Ютубе.
В целом принципы управления традиционными проектами ML идентичны управлению проектами генеративного ИИ. Если есть значительная разница, курс предоставляет соответствующие советы и рекомендации по генеративному ИИ.
Предпосылки:
- Вы должны иметь базовое представление о машинном обучении. Краткое введение в концепции машинного обучения см. в разделе Введение в машинное обучение . Практическое введение в машинное обучение см. в разделе «Ускоренный курс машинного обучения» .
- Сначала вам следует убедиться, что ML подходит для решения вашей проблемы. Если вы еще не сформулировали свою проблему с точки зрения решения машинного обучения, прочтите «Введение в постановку задач машинного обучения ».