교육 강좌 커리큘럼

    1. 환영합니다

    2. 이 강좌를 활용하는 방법

    3. 시작하기 전에...

    1. 새로운 머신 러닝 프로젝트 워크플로

    2. 탐색적 분석을 위한 데이터 처리

    3. W&B의 탐색적 데이터 분석

    4. 모델 학습을 위한 데이터 준비

    5. 베이스라인 모델 학습

    6. 수업 요약

    7. 학습 내용 테스트

    8. 과제 1

    1. 베이스라인 넘어서기

    2. 실험 재현하기

    3. 실험을 위한 코드 구성하기

    4. 스윕으로모델 최적화하기

    5. 실험에서 인사이트 얻기

    6. 수업 요약

    7. 학습 내용 테스트

    8. 과제 2

    1. 모델 평가

    2. 데이터 파티셔닝

    3. 데이터 유출 방지

    4. 평가 메트릭 선택

    5. 평가 모범 사례

    6. 모델 레지스트리 사용

    7. 평가 실행하기

    8. 오류 분석

    9. 모델 진단

    10. 테스트 세트 작업

    11. 수업 요약

    12. 학습 내용 테스트

    13. 과제 3

    1. 축하합니다! 다음 단계는...

    2. 추가 리소스

    3. 그 전에...

강좌 정보

  • 무료
  • 총 35강
  • 3시간 분량의 비디오 콘텐츠pla

강좌 예고편 보기

목표

무료로 제공되는 이 Weights & Biases 강좌에 등록하여 다음 목표를 달성하세요:

  • 모델 개발 가속 및 확장

  • 생산성 향상

  • 모델 재현성 강화

  • 더 나은 모델을 더 빠르게 반복 및 학습

학습할 내용

  • 모범 사례 머신 러닝 워크플로

  • W&B 테이블 및 보고서를 사용한 탐색적 데이터 분석

  • W&B 아티팩트 및 모델 레지스트리를 사용한 데이터세트 및 모델 버전 관리

  • 실험 추적 및 분석

  • 스윕을 통한 하이퍼파라미터 최적화 자동화

  • 재현성과 엔터프라이즈 수준의 거버넌스를 보장하는 모델 평가 기술

Instructors

Hamel Husain

머신 러닝 엔지니어

Hamel Husain은 현재 fast.ai에서 데이터 과학자와 머신 러닝 엔지니어를 위한 도구를 만드는 기업인입니다. Hamel은 Airbnb, DataRobot, GitHub에서 근무하며 다양한 머신 러닝 제품과 인프라를 구축한 바 있으며, Metaflow, Kubeflow, Jupyter, Great Expectations 등의 오픈 소스 데이터 및 인프라 도구에도 기여했습니다. 또 10년 이상 컨설턴트로 활동하며 데이터 과학을 통해 레스토랑, 엔터테인먼트, 통신 및 소매 업계의 비즈니스 성과를 개선했습니다.

Thomas Capelle

머신 러닝 엔지니어

Thomas Capelle은 Weights & Biases의 성장 팀에서 근무하는 머신 러닝 엔지니어로 fastai 라이브러리의 기여자이자 wandb/examples 레포지토리의 관리자입니다. 그의 관심 분야는 MLOps, 산업 분야의 wandb 애플리케이션, 그리고 전반적으로 재미있는 딥 러닝입니다. 이전에는 SteadySun에서 딥 러닝을 이용해 태양 에너지에 대한 단기 예측을 해결하였습니다. 도시 계획, 조합 최적화, 운송 경제학 및 응용 수학에 대한 배경지식을 보유하고 있습니다.

Darek Kłeczek

머신 러닝 엔지니어

Darek Kłeczek은 Weights & Biases의 머신 러닝 엔지니어로 W&B 교육 프로그램을 이끌고 있습니다. 이전에는 공급망, 제조, 법률 및 상업적 사용 사례 전반에 걸쳐 머신 러닝을 적용했습니다. 또 P&G에서 머신 러닝 운영 업무를 담당하기도 했습니다. Darek은 BERT 및 GPT 언어 모델의 첫 폴란드어 버전에 기여했으며 폴란드 NLP 커뮤니티의 리더입니다. Kaggle 대회 우승자이자 트리플 Kaggle 마스터이기도 합니다.

W&B에서 MLOps 수료증을 받으세요

원칙에 입각한 워크플로를 적용하여 실제 머신 러닝 문제를 해결하는 귀하의 기술을 증명하세요

지금 등록하기