Machine Learning Basics + API Entwicklung (Titanic Survival Prediction mit FastAPI)

preview_player
Показать описание
In diesem Video zeige ich euch wie man ein Machine Learning Model from Scratch trainiert und in eine eigene API integriert. Wir verwenden dafür den Titanic Datensatz. Ich zeige euch wie ihr JupyterLab richtig aufsetzt, Datenexploration macht, Datentransformation und Modelltraining durchführt. Incl. Grid Search, Cross Validation etc. etc. Und das beste Modell nutzen wir dann um eine API zu bauen und integrieren dieses dort. Dafür nutzen wir das State of the Art Framework FastAPI.

Timestamps
0:00 Aufsetzen Virtualenv & JupyterLab
3:56 Modellentwicklung und Training
31:38 API (FastAPI) Entwicklung
Рекомендации по теме
Комментарии
Автор

super, danke :) werde ich morgen schön nachbauen :)

moviepower
Автор

Was ich absolut nicht verstehe ist, dass du lediglich 4020 Abonennten hast, dieses Video nur 519 Aufrufe und gerade mal 17 Likes... Ich habe jetzt gerade mal 15 Minuten gesehen und bin schon begeistert! Ruhig erklärt und vor allem strukturiert. Wenn ich so manchen YouTuber sehe, so nett sie auch sein mögen, aber wenn ich ein Video mache für Leute die sich mit Programmieren nicht auskennen oder gerade erst anfangen, kann ich nicht ständig im Code hin und her springe, weil ich irgendwas vergessen habe. Das plant man alles vorher. Und spreche gerade Sätze und nicht ständig... "ehmm ja, dann können wir hier oben noch ... schreiben, und äähhh unten setzen wir dann das ein...., und ähm ja in der Mitte könnten wir es auch noch schöner machen, jaa jetzt siehts gut aus.... Ich meine den YouTuber der sich nach einer Figur aus Matrix benannt hat. Wie gesagt, sehe ihn auch ganz gerne, aber seine Programmier-Videos finde ich persönlich, für eine reine Kathastrophe.
Ich werde deine Videos weiterempfehlen, auch an unsere Dozenten, so das diese es den Schülern empfehlen können. Abo hast du von mir und ein dickes LIKE.
Dank dir vielmals, für so ein gutes Video. Hut ab!!

Marton
Автор

Danke für dein Video und die ganze Arbeit die du rein steckst. Habe es mir gerade mal im Schnelldurchlauf angesehen. Wenn ich die Zeit dazu finde baue ich das ganze noch einmal nach und kann dann die Ergebnisse vergleichen.
Nutzt du eigentlich conda? Ist mir noch gar nicht aufgefallen, dass nach einem venv Wechsel das base environment mit angezeigt wird.
Schönes WE!

yt
Автор

Tolles Video.
Ich habe gestern die erste Hälfte gesehen. Heute den Rest und dann nochmal Alles 'hands on' und Notizen in mein Obsidian.
Da war richtig viel drin. Ein gutes Einstiegsvideo. Gute Ausdrucksweise und profund.
Python meckert bei mir "pred_data = pd.DataFrame([data.dict()])" an, da data.dict() deprecated sei.
Kann es sein, dass die Modelle nicht immer bei jeder generierung die gleichen Zahlen ausgeben? Ansonsten habe ich wohl noch einen Fehler drin.

dirku
visit shbcf.ru