【共筆】Machine Learning Observability 》時程總表

資料科學 MLOps
1

▌課程資訊

本堂課是由 Evidently AI 提供的免費開源課程，主題是機器學習觀測性，專為資料科學家和機器學習工程師設計。

課程深入探討機器學習模型的觀測性和監控，涵蓋從資料品質到資料漂移的各種評估類型，以及如何將這些概念融入模型生命週期中。

課程分為六大模組：

  1. 模組一：入門介紹 - ML觀測性基礎概念

  2. 模組二：ML監控指標 - 各種監控指標的深入探討

  3. 模組三：非結構化資料ML監控 - 處理文字、圖像等非結構化資料的監控

  4. 模組四：有效ML監控設計 - 設計實用監控系統的原則和方法

  5. 模組五：ML管線驗證與測試 - 確保ML管線品質的驗證技術

  6. 模組六：部署ML監控儀表板 - 實際部署監控系統的實務操作

▌共學說明

Zoom meeting 連結

7月6日開始，討論時間為每週日晚上8點線上分享及討論（需註冊才能進入）。

本文設為共筆，歡迎大家共同維護更新。（為方便點擊網址進入主文，本文已關閉回文功能）

▌時程規劃

參考文章：使用 ChatGPT 協助修改進度表格

日期 章節 導讀 筆記 錄影
7月6日 Module 1: Introduction [筆記] [YouTube]
7月13日 Module 2: ML monitoring metrics [筆記] [YouTube]
7月27日 Module 3: ML monitoring for unstructured data [筆記] [YouTube]
8月3日 Module 4: Designing effective ML monitoring [筆記] [YouTube]
8月10日 Module 5: ML pipelines validation and testing [筆記] [YouTube]
8月17日 Module 6: Deploying an ML monitoring dashboard [筆記] [YouTube]

▌學習資源

▌大會報告：公開錄影

新募集課程，錄影皆公開上傳 YouTube，不同意者請不要參與共學，感謝配合。

如何提高完課率： 我對共同學習的一些想法

祝大家學習順利大成功！