Machine Learning 学院

亚马逊自己的科学家提供的自助式机器学习培训

Machine Learning 学院(MLU)使任何人、可以在任何地方、随时访问同一套机器学习课程,这些课程用于向 Amazon 的内部开发人员提供机器学习培训。通过 MLU,所有的开发人员都可以按照自己的学习节奏,借助“MLU 加速器”学习系列,学习如何使用机器学习。“MLU 加速器”系列旨在通过三门为期三天的自然语言处理、表格数据和计算机视觉基础课程开启您的机器学习之旅。在完成加速器系列课程后,“决策树和组合方法”课程提供了一个更高级的、为期五天的关于基于树和组合模型的系列讲座。通过亚马逊科学家讲授的连续 YouTube 视频,以及动手实践的例子、Jupyter notebook 和幻灯片,MLU 提供了一个全面的自助式途径来理解机器学习的基础。课程材料可在 GitHub 上获得,有关我们课程的更多详细信息,请参见下文。

MLU 频道简介

开始使用

Machine Learning 学院提供的课程,与用于为 Amazon 自己的开发人员培训机器学习基础知识的课程完全相同。MLU 的入门很简单,它为学习者提供了自主进度且灵活的学习结构。

重温基础知识

要开始使用 MLU,所有用户都必须创建一个 AWS 账户。另外建议学习者对 Python 有基本的了解和熟悉,以便充分运用这些内容。如果您不熟悉 Python,请查看我们的其他学习资源以获取入门教程。 

选择学习路径

根据自己的需要,从三条学习路径中选择一条。每条学习路径都包括 YouTube 上的讲座、幻灯片、动手练习和 GitHub 上的 Jupyter notebook。 

开始学习

学习者可以使用 GitHub 笔记本和幻灯片来配合视频讲座,从而通过课程和实践活动进行自我指导。按照自己的节奏,选择与您最相关的课程和主题。

自然语言处理

自然语言处理引导式讲座

课程总结

本课程旨在帮助您开始学习自然语言处理(NLP),并学习如何在各种应用场景中使用 NLP。它将涵盖文本处理、回归和基于树的模型、超级参数调节、循环神经网络、注意力机制和转换器等主题。

课程内容

查看 GitHub 页面,了解详细的课程分解、项目、笔记本等。

表格数据

表格数据引导式讲座

课程总结

学习如何开始使用表格数据(类似电子表格的数据)和广泛使用的机器学习技术来处理表格数据。本课程将涵盖特征工程、基于树的模型和组合、回归模型、神经网络和 AutoML 等主题。

课程内容

查看 GitHub 页面,了解详细的课程分解、项目、笔记本等。

计算机视觉

计算机视觉引导式讲座

课程总结

学完本课程,您将获得计算机视觉入门所需的技能。您将学习图像分类、卷积神经网络、传输学习、对象检测和语义分割。 

课程内容

查看 GitHub 页面,了解详细的课程分解、项目、笔记本等。

决策树和组合方法

决策树和组合方法引导式讲座

课程总结

在本课中开始学习基于树的模型和组合模型。在本课程中,您将学习决策树、杂质、偏差方差权衡、随机森林、邻近性、特征重要性和提升。

课程内容

查看 GitHub 页面,了解详细的课程分解、项目、笔记本等。

负责任的人工智能 - 公平性与偏差缓解

负责任的人工智能引导式讲座

课程总结

本课程旨在向您介绍负责任的人工智能的多个维度,重点是公平性标准和偏差缓解。了解不同的公平性标准、偏差衡量标准和偏差缓解方法。

课程内容

查看 GitHub 页面,了解详细的课程分解、项目、笔记本等。

更多资源

机器学习深入探究

提升您对 AWS 机器学习服务的知识和技能。 

AWS 培训与认证

浏览 AWS 培训和认证中针对所有级别的机器学习体验的指导性课程和培训。 

操作教程

使用这些快速教程开始使用 AWS 机器学习服务及其常见应用场景。