Курс «Офлайн-оценка ML‑модели»
Уровень подготовки
Для прохождения курса потребуются знания основ supervised learning и базовых ML-метрик
Бесплатный доступ
Полный комплект учебных материалов курса без скрытых платежей и ограничений
Удобный график
К курсам можно приступить в любой момент и проходить в комфортном для себя темпе
Практический результат
Сможете подготовить офлайн-отчет и обоснованное решение о прохождении quality gate
Кому подойдет курс
Дата-сайентистам
Научатся выбирать схему оценки и метрики под тип ошибки, дисбаланс и рабочий порог
ML-инженерам
Смогут проверять утечки, воспроизводимость оценки и готовность модели к следующему этапу проверки
Продуктовым аналитикам
Свяжут офлайн-метрики с ценой ошибок, пользовательскими сценариями и ограничениями вывода
Что вы узнаете на курсе
Как спроектировать офлайн-оценку
Выберете random, group или temporal split, исключите пересечения и утечки между обучением и оценкой
Как принять решение по offline-gate
Сравните модель с baseline, проанализируете ошибки и срезы и зафиксируете ограничения перед онлайн-проверкой
Как интерпретировать вероятности модели
Разберете калибровку и поймете, почему предсказанная вероятность не равна гарантированной уверенности
Как выбрать метрики и рабочий порог
Свяжете precision, recall, F1, PR-AUC, ROC-AUC и другие метрики с дисбалансом и ценой ошибок
Как проходит обучение
Курс доступен сразу после регистрации на платформе LMS. Все уроки и прогресс обучения отражаются в личном кабинете
Автор курса
Линейка из 11 курсов о проектировании и разработке ML систем, которые помогут освоить методы создания эффективных и масштабируемых решений в облаке
