基础知识
通过直观的解释、干净的代码和可视化学习ML的基础
| 🔢三个基金会 | 📈数据建模 | 🤖*深度学习 |
| Notebooks | Linear Regression | CNNs |
| Python | Logistic Regression | Embeddings |
| NumPy | Neural Network | RNNs |
| Pandas | Data Quality | Transformers |
| PyTorch | Utilities |
📆更多话题即将到来！
Subscribe查看我们每月更新的新内容
MLOPS
了解如何应用ML来构建生产级产品以交付价值
| 📦新产品 | 📝使用脚本编写 | ♻️*可重现性 |
| Objective | Organization | Git |
| Solution | Packaging | Pre-commit |
| Iteration | Documentation | Versioning |
| 🔢三个数据 | Styling | Docker |
| Labeling | Makefile | 🚀三个产品的生产 |
| Preprocessing | Logging | Dashboard |
| Exploratory data analysis | 📦3个接口 | CI/CD workflows |
| Splitting | Command-line | Infrastructure |
| Augmentation | RESTful API | Monitoring |
| 📈数据建模 | ✅测试结果： | Pipelines |
| Evaluation | Code | Feature store |
| Experiment tracking | Data | |
| Optimization | Models |
📆每个月都有新的课程！
Subscribe查看我们每月更新的新内容
常见问题解答
这个内容是为谁准备的？
Software engineers希望学习ML并成为更好的软件工程师Data scientists谁想了解如何通过ML负责任地交付价值College graduates希望学习该行业所需的实用技能Product Managers谁想为ML应用程序开发技术基础
它的结构是什么？
课程将每周发布一次，每节课程包括：
intuition：将涵盖的概念及其如何组合在一起的高级概述code：说明概念的简单代码示例application：将概念应用于我们的具体任务extensions：简要介绍适用于不同情况的其他工具和技术
是什么让这个内容独一无二的呢？
hands-on：如果您在线搜索Production ML或MLOps，您会找到很棒的博客帖子和tweet。但是为了真正理解这些概念，您需要实现它们。不幸的是，由于规模、专有内容和昂贵的工具，您没有看到很多运行Production ML的内部工作原理。然而，Made with ML是免费的、开放的和活生生的，这使得它成为社区完美的学习机会intuition-first：我们永远不会直接跳到代码上去。在每节课中，我们都会培养对概念的直觉，并从产品的角度来思考。software engineering：本课程不只是关于ML。事实上，它主要是关于干净的软件工程！我们将介绍一些重要的概念，如版本控制、测试、日志记录等，它们可以真正成为生产级产品focused yet holistic：对于每个概念，我们不仅会介绍对我们的特定任务最重要的内容(这是案例研究方面)，而且还会介绍相关的方法(这是指导方面)，这些方法在其他情况下可能会被证明是有用的
作者是谁？
为什么这个是免费的？
虽然这个内容是为每个人准备的，但它特别针对那些没有太多学习机会的人。我相信创造力和智慧是随机分布的，而机会是孤立的。我想让更多的人创造并为创新做出贡献
要引用此内容，请使用：
@misc{madewithml,
title = "Made With ML",
author = "Goku Mohandas",
url = "https://madewithml.com/"
year = "2021",
}
