📊Analyse de données

Construire une API de service de modèle

Servir des modèles de ML via une API REST

Comparer plusieurs classificateurs

Trouver le meilleur modèle pour une tâche de classification

Créer des contrôles de qualité des données

Valider la qualité des données dans les pipelines

Concevoir un rapport de test A/B

Restituer les résultats d’un test A/B

Ingénierie de caractéristiques temporelles

Extraire des caractéristiques de colonnes datetime

Générer des caractéristiques d'interaction

Découvrir les interactions entre caractéristiques

Configurer la surveillance des modèles

Surveiller les modèles en production

Concevoir un système de Machine Learning

Concevoir des systèmes de ML en production

Concevoir un pipeline d'entraînement ML

Automatiser les pipelines d'entraînement ML

Implémentation du déploiement fantôme

Déployer de nouveaux modèles de ML en toute sécurité

Sélectionner des caractéristiques à l'aide de plusieurs méthodes

Sélectionner les caractéristiques les plus prédictives

Conteneuriser un modèle de ML

Empaqueter des modèles ML pour le déploiement