Závěrečný projekt
Závěrečný projekt vám dává šanci otestovat své znalosti a nově získané dovednosti z bootcampu v dynamickém, praktickém prostředí. Je to příležitost vytvořit něco skutečného, předvést své technické schopnosti a vyvinout projekt, který bude klíčovou součástí vašeho profesního portfolia. Umožňuje vám vyjádřit svou kreativitu a zdůraznit, jak moc jste se během svého bootcampu vyvinuli.
Kromě toho je konečný projekt navržen tak, aby replikoval výzvy, se kterými se setkáte ve skutečné technické práci, což vám umožní předvést své dovednosti při řešení složitých problémů a vybaví vás očekáváními vaší budoucí kariéry.
- Identifikace problému: Vyberte skutečný problém relevantní pro vaše odvětví nebo oblast zájmu. Jasně definujte rozsah a cíle projektu a zdůrazněte, jak by pokročilé techniky hlubokého učení mohly toto řešení vylepšit.
- Sběr a předběžné zpracování dat: Shromažďujte data z různých zdrojů, vyčistěte je a předzpracujte je řešit chybějící hodnoty, odlehlé hodnoty a nekonzistence. Zajistěte, aby data byla vhodná pro modely hlubokého učení, včetně normalizace a v případě potřeby rozšíření.
- Exploratory Data Analysis (EDA): Proveďte vizualizaci dat a statistickou analýzu k identifikaci trendů, korelací, a postřehy. Upřesněte směr svého projektu na základě zjištění EDA a zároveň zvažte vhodnost pro architektury hlubokého učení, jako jsou CNN, RNN nebo transformátory.
- Vytváření a hodnocení modelů: Vyvíjejte a trénujte modely strojového učení, zahrnující pokročilé techniky hlubokého učení, jako jsou konvoluční neuronové sítě (CNN) pro obrazová data, rekurentní neuronové sítě (RNN) nebo LSTM pro časové řady nebo sekvenční data nebo modely transformátorů pro úlohy NLP. Vyhodnoťte výkon modelu pomocí metrik, jako je přesnost, přesnost, vyvolání nebo AUC, a použijte ladění hyperparametrů k optimalizaci modelů hlubokého učení.
- Nasazení a prezentace: Nasaďte finální model pomocí webových rámců, API nebo cloudové služby, které zajišťují škálovatelnost pro modely hlubokého učení. Prezentujte svá zjištění, výkon modelu a obchodní nebo skutečný dopad zainteresovaným stranám v profesionálním prostředí.