中级
课堂
虚拟
4 天

The Machine Learning Pipeline on Amazon Web Services

探讨如何使用机器学习管道解决实际业务问题

Machine Learning Icon

本课程探讨如何使用机器学习 (ML) 管道在基于项目的学习环境中解决实际业务问题。学员将通过讲师演示了解管道的每个阶段。然后,他们将利用所学知识完成一个项目,解决三个业务问题中的一个:欺诈检测、推荐引擎或航班延误。到课程结束时,学员将能够使用 Amazon SageMaker 成功构建、训练、评估、调优和部署 ML 模型,以解决他们所选的业务问题。

学习内容

  • 针对给定业务问题选择适当的 ML 方法并加以证明
  • 使用 ML 管道解决特定业务问题
  • 在 Amazon SageMaker 中训练、评估、部署和调优 ML 模型
  • 描述在亚马逊云科技中设计可扩展、经过成本优化且安全的 ML 管道的一些最佳实践

本课程面向

  • 开发人员
  • 解决方案架构师
  • 数据工程师
  • 没有或几乎没有 ML 经验但想了解如何通过 Amazon SageMaker 使用 ML 管道的人员

需要具备的经验

  • Python 编程语言方面的基础知识 
  • 对亚马逊云科技云基础设施(Amazon S3 和 Amazon CloudWatch)有基本了解 
  • 在 Jupyter 笔记本环境中工作的基本经验

课程概述

级别:中级
类型:课堂(虚拟和当面)
时长:4 天

提供的语言

本课程用以下语言提供:英语、日语、韩语和简体中文。

需要更多信息?

下载课程大纲以获取更多关于本课程内容的信息。

想要寻找适合您的团队的私人培训?

通过 AWS 提供的私人培训,您的团队将一起学习根据您的特定用例量身定制的具有可操作性的最佳实践。

考虑参加考试吗?

查找相关考试来加强您的学习。

Amazon Web Services Certified Machine Learning – Specialty

考试
180 分钟