Končni projekt
Končni projekt vam daje priložnost, da svoje znanje in novo pridobljene veščine preizkusite v dinamičnem, praktičnem okolju. To je priložnost, da ustvarite nekaj resničnega, pokažete svoje tehnične sposobnosti in razvijete projekt, ki bo ključni del vašega poklicnega portfelja. Omogoča vam, da izrazite svojo ustvarjalnost in poudarite, koliko ste se razvili skozi izkušnjo bootcampa.
Poleg tega je končni projekt zasnovan tako, da posnema izzive, s katerimi se boste srečali v resničnem tehnološkem delu, kar vam omogoča, da pokažete svoje sposobnosti pri reševanju kompleksnih problemov in vas opremi za pričakovanja vaše prihodnje kariere.
- Identifikacija problema: Izberite problem iz resničnega sveta, ki je pomemben za vašo panogo ali področje zanimanja. Jasno opredelite obseg in cilje projekta ter poudarite, kako bi napredne tehnike poglobljenega učenja lahko izboljšale rešitev.
- Zbiranje in predhodna obdelava podatkov: Zberite podatke iz različnih virov, jih očistite in predhodno obdelajte za obravnava manjkajoče vrednosti, izstopajoče vrednosti in nedoslednosti. Zagotovite, da so podatki primerni za modele poglobljenega učenja, vključno z normalizacijo in razširitvijo, če je potrebno.
- Raziskovalna analiza podatkov (EDA): Izvedite vizualizacijo podatkov in statistično analizo, da prepoznate trende, korelacije, in vpogledi. Izboljšajte usmeritev svojega projekta na podlagi ugotovitev EDA, pri tem pa upoštevajte primernost za arhitekture globokega učenja, kot so CNN, RNN ali transformatorji.
- Gradnja in vrednotenje modela: Razvijte in učite modele strojnega učenja, ki vključuje napredne tehnike globokega učenja, kot so konvolucijske nevronske mreže (CNN) za slikovne podatke, ponavljajoče se nevronske mreže (RNN) ali LSTM za časovne serije ali podatke o zaporedju ali transformatorske modele za naloge NLP. Ocenite uspešnost modela z uporabo meritev, kot so točnost, natančnost, priklic ali AUC, in uporabite nastavitev hiperparametrov za optimizacijo modelov globokega učenja.
- Uvajanje in predstavitev: Razmestite končni model z uporabo spletnih ogrodij, API-ji ali storitve v oblaku, ki zagotavljajo razširljivost za modele globokega učenja. Predstavite svoje ugotovitve, uspešnost modela in poslovni ali resnični vpliv zainteresiranim stranem v profesionalnem okolju.