Flujo de trabajo de IA: IA en producción

Descripción

Este es el sexto curso de la especialización IBM AI Enterprise Workflow Certification. Le recomendamos ENCARECIDAMENTE que complete estos cursos en orden, ya que no son cursos individuales independientes, sino parte de un flujo de trabajo en el que cada curso se basa en los anteriores.

Este curso se centra en modelos en producción en una hipotética empresa de medios de transmisión. Hay una introducción a IBM Watson Machine Learning. Construirá su propia API en un contenedor Docker y aprenderá a administrar contenedores con Kubernetes. El curso también presenta varias otras herramientas en el ecosistema de IBM diseñadas para ayudar a implementar o mantener modelos en producción. El flujo de trabajo de IA no es un proceso lineal, por lo que hay algo de tiempo dedicado a los ciclos de retroalimentación más importantes para promover una iteración eficiente en el flujo de trabajo general.

Al final de este curso podrás:
1. Use Docker para implementar una aplicación de matraz
2. Implemente una interfaz de usuario simple para integrar el modelo ML, Watson NLU y Watson Visual Recognition
3. Analice la terminología básica de Kubernetes
4. Implementar una aplicación web escalable en Kubernetes
5. Analice los diferentes ciclos de retroalimentación en el flujo de trabajo de IA
6. Discutir el uso de pruebas unitarias en el contexto de la producción de modelos.
7. Utilice IBM Watson OpenScale para evaluar el sesgo y el rendimiento de los modelos de aprendizaje automático de producción.

¿Quién debería tomar este curso?
Este curso está dirigido a profesionales de ciencia de datos existentes que tienen experiencia en la construcción de modelos de aprendizaje automático, que desean profundizar sus habilidades en la construcción y despliegue de IA en grandes empresas. Si es un aspirante a científico de datos, este curso NO es para usted, ya que necesita experiencia en el mundo real para beneficiarse del contenido de estos cursos.

¿Qué habilidades debes tener?
Se supone que ha completado los cursos 1 a 5 de la especialización de IBM AI Enterprise Workflow y que tiene una sólida comprensión de los siguientes temas antes de comenzar este curso: comprensión fundamental de álgebra lineal; Comprender el muestreo, la teoría de la probabilidad y las distribuciones de probabilidad; Conocimiento de conceptos estadísticos descriptivos e inferenciales; Comprensión general de las técnicas de aprendizaje automático y las mejores prácticas; Comprensión práctica de Python y los paquetes comúnmente utilizados en ciencia de datos: NumPy, Pandas, matplotlib, scikit-learn; Familiaridad con IBM Watson Studio; Familiaridad con el proceso de pensamiento de diseño.