Summary  
This chapter introduces how to structure a modular machine learning pipeline—covering data ingestion, preprocessing (cleaning, exploratory analysis, feature engineering), model selection and tuning, evaluation, and deployment.  

General domain of usage  
Healthcare

La oss se på arbeidsflyten du følger for å bygge et vellykket maskinlæringsprosjekt.

## Steg 1. Skaff dataene

Definer problemet, velg en ytelsesmetrik, og avgjør hva som kvalifiserer som et godt resultat. Samle deretter inn nødvendig data fra tilgjengelige kilder og gjør det klart for bruk i Python.
Hvis dataene allerede finnes i en CSV-fil, kan forbehandlingen starte umiddelbart.

### Eksempel

Et sykehus samler pasientjournaler og demografiske data i en CSV-fil. Målet er å **forutsi reinnleggelser**, med et mål om **over 80 % nøyaktighet**.

## Steg 2. Forbehandle dataene

Dette steget inkluderer:

* **Datavask**: håndtering av manglende verdier og ikke-numeriske input;
* **EDA**: analyse og visualisering av data for å forstå sammenhenger og oppdage problemer;
* **Feature engineering**: valg eller opprettelse av egenskaper som forbedrer modellens ytelse.

### Eksempel

Manglende verdier (f.eks. blodtrykk) fylles inn, og kategoriske egenskaper (f.eks. rase) konverteres til numerisk form.

## Steg 3. Modellering

Denne fasen inkluderer:

* **Valg av modell** basert på problemtype og eksperimenter;
* **Justering av hyperparametre** for å forbedre ytelsen;
* **Evaluering av modell** på ukjente data.



Hyperparametre er justerbare innstillinger som definerer hvordan modellen trenes—slik som treningsvarighet eller modellkompleksitet.

Les mer

### Eksempel

En **klassifiseringsmodell** velges for å forutsi reinnleggelse (ja/nei). Etter justering evalueres den på et **validerings-/testsett** for å vurdere generalisering.

## Steg 4. Distribusjon

Når en modell presterer godt, blir den **distribuert** til virkelige systemer. Modellen må overvåkes, oppdateres med nye data og forbedres over tid, ofte ved å starte syklusen på nytt fra **Steg 1**.

### Eksempel

Modellen integreres i sykehussystemet for å markere høyrisikopasienter ved innleggelse, slik at personalet kan handle tidlig.

Noen av begrepene som er nevnt her kan virke ukjente, men vi vil gå gjennom dem i mer detalj senere i kurset.

Merk

Dataprosessering og modellering kan utføres med `scikit-learn`. De neste kapitlene introduserer prosesseringsarbeidsflyter og pipelines, etterfulgt av modellering med **k-nærmeste naboer** (`KNeighborsClassifier`), inkludert trening, justering og evaluering.

Hva er hovedformålet med steget "Hent data" i et maskinlæringsprosjekt?

Hvilket av følgende beskriver best viktigheten av steget "Dataprosessering" i en arbeidsflyt for maskinlæringsprosjekter?

Maskinlæring brukes nå overalt. Vil du lære det selv? Dette kurset er en introduksjon til maskinlæring hvor du lærer grunnleggende konsepter, arbeider med Scikit-learn – det mest populære biblioteket for ML, og bygger ditt første maskinlæringsprosjekt.
Kurset er beregnet på studenter med grunnleggende kunnskaper i Python, Pandas og Numpy.

Lær om maskinlæringskonsepter og arbeidsflyten i et ML-prosjekt.

Forbehandling er sannsynligvis den viktigste fasen i et ML-prosjekt. Dette kapittelet dekker forbehandlingsstegene som trengs for nesten alle datasett.

En pipeline er en ryddig måte å kombinere alle forhåndsprosesseringssteg samt en modell. Pipeliner gjør det mye enklere å trene og bruke en modell.

Modellering er den mest spennende fasen i et ML-prosjekt. La oss lære å bygge, finjustere og evaluere modellen!

Arbeidsflyt for maskinlæring

Steg 1. Skaff dataene

Eksempel

Steg 2. Forbehandle dataene

Eksempel

Steg 3. Modellering

Eksempel

Steg 4. Distribusjon

Eksempel

1. Hva er hovedformålet med steget "Hent data" i et maskinlæringsprosjekt?

2. Hvilket av følgende beskriver best viktigheten av steget "Dataprosessering" i en arbeidsflyt for maskinlæringsprosjekter?