Gestione dei progetti ML mostra come gestire un progetto ML man mano che passa da un'idea a un'implementazione pronta per la produzione. Il corso tratta le fasi di sviluppo del ML e i ruoli e le competenze tipici dei team ML. Discute le strategie per la collaborazione con gli stakeholder e fornisce dettagli su come pianificare e gestire un progetto ML in ogni fase di sviluppo.
Demistando le complessità inerenti ai progetti ML, il corso fornisce un solido framework teorico per la gestione dei progetti ML.
Il corso è incentrato sui modelli ML tradizionali. Sebbene l'IA generativa sia sotto i riflettori, il machine learning tradizionale svolge un ruolo vitale per Google, alla base di molti servizi e progetti, dalla previsione dei tempi di percorrenza in Maps alla stima del prezzo dei biglietti aerei in Voli, dalla previsione della quota TPU per Google Cloud al consiglio di video pertinenti su YouTube.
In generale, i principi per la gestione dei progetti ML tradizionali sono identici per la gestione dei progetti di IA generativa. Quando c'è una differenza significativa, il corso offre consigli e linee guida pertinenti per l'IA generativa.
Prerequisiti:
- Dovresti avere una conoscenza di base del machine learning. Per una breve introduzione ai concetti del machine learning, consulta Introduzione al machine learning. Per un'introduzione pratica al machine learning, consulta il corso accelerato sul machine learning.
- Devi prima verificare che il machine learning sia l'approccio giusto per il tuo problema. Se non hai individuato il problema in termini di soluzione ML, consulta Introduction to Machine Learning Problem Framing.