Bouw een onderbouwd proces om verschuivingen te signaleren, oorzaken te onderzoeken en gecontroleerd bij te sturen.
Verbind statistische driftsignalen met diagnose van productiemodellen en verantwoord verbeteren. Onderscheid veranderingen in invoerverdelingen van veranderingen in voorspellende relaties, combineer datakwaliteit met uitkomstbewijs en behandel een alarm niet automatisch als reden om opnieuw te trainen. Fictieve opdrachten benadrukken baselines, tijdsgerichte evaluatie, groepscontrole, terugdraaien en eigenaarschap.
Onderscheid covariate shift, concept drift, datadefecten en gewone variatie in voorspellingen. Ontwerp monitoring met referentieperioden, vertraging van labels, groepscontroles en expliciete beperkingen. Stel een gecontroleerde modelwijziging voor met tijdsgerichte evaluatie, goedkeuring en terugdraaicriteria.
Kennis van evaluatie van supervised learning, basisstatistiek en productiegegevensstromen is aanbevolen. Programmeren is optioneel; opdrachten gebruiken fictieve situaties. Vermijd persoonsgegevens, behandel signalen als aanleiding tot onderzoek en automatiseer ingrijpende wijzigingen niet zonder verantwoordelijke beoordeling.
Cursisten met basiskennis die praktische, zelfstandige vaardigheden willen opbouwen
Mensen die het beste leren met voorbeelden, begeleide lessen en praktische oefeningen
Professionals, makers en zelfstandige bouwers die een herhaalbare werkwijze zoeken
Les 1 is gratis
4 lessen · Gemiddeld · Volledige cursus.
Deze cursus gebruikt CC BY-gelicentieerd materiaal met naamsvermelding van de inhoudsprovider of uploader. Lesvideo’s zijn alleen na aanmelding beschikbaar wanneer de publicatie- en licentiecontroles zijn geslaagd.