آموزش اصول معیارهای کیفیت داده

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

معرفی کشف داده ها و فهرست نویسی Introducing Data Discovery and Cataloging

• مقدمه دوره Introduction to the Course

• انواع یادگیری ماشینی Types of Machine Learning

• معیارهای کلیدی برای ارزیابی کیفیت داده ها Key Metrics to Assess Data Quality

• هدف از فهرست نویسی داده ها Purpose of Data Cataloging

ارزیابی کیفیت داده ها و نمایه سازی Evaluating Data Quality and Profiling

• مزایای پروفایل داده ها Benefits of Data Profiling

• بررسی کیفیت داده های خاص دامنه Domain Specific Data Quality Checks

• خط لوله مهندسی ویژگی Feature Engineering Pipeline

• نسخه ی نمایشی: پروفایل داده Demo: Data Profiling

• خلاصه Summary

ردیابی اصل و نسب داده و حاکمیت Tracking Data Lineage and Governance

• مقدمه ای بر حاکمیت داده Introduction to Data Governance

• مزایای نسب داده و حاکمیت Benefits of Data Lineage and Governance

• پیش نیازهای آموزش مدل ML Prerequisites to Train ML Model

• آموزش مدل ML Training the ML Model

• نسخه ML به عنوان یک سرویس Versioning ML as a Service

• خلاصه Summary

بررسی بهترین روش‌ها برای مدیریت ابرداده Exploring Best Practices for Metadata Management

• مروری بر مدیریت متادیتا Overview of MetaData Management

• شیوه های موثر مدیریت فراداده Effective Metadata Management Practices

• پایگاه داده MLMD MLMD Database

• نسخه ی نمایشی: فراداده مدل ML را ارزیابی کنید Demo: Assess Metadata of ML Model

• خلاصه Summary