机器学习:数据平台工程师

了解架构、数据和存储如何支持高级机器学习建模和智能工作负载

Machine Learning  |  业务决策者  |  数据平台工程师  |  数据科学家  |  开发人员   

此路径为数据平台工程师而设计。了解机器学习 (ML) 如何改变数据提取、系统要求和性能及客户体验。然后,补充您通过可选培训学到的技能。

详细了解以下各个学习进阶中的课程。

learning-path-ml-data-platform-engineer_march2020
  • 遵照这个推荐课程和考试顺序通过此学习路径培养您的 AWS 云技能。

    ML 构建基块:服务和术语

    这两个课程将介绍机器学习堆栈以及各种术语和过程,帮助您打下良好的机器学习基础。

    数字化  |  40 分钟

    Process Model: CRISP-DM on the AWS Stack

    了解 CRISP-DM 方法和框架,然后将模型的六个阶段应用到日常工作中。 

    数字化  |  50 分钟

    数据分析基础知识

    在此自主进度课程中,您将了解制定数据分析解决方案规划的流程以及所涉及的各种数据分析流程。本课程将带您了解五个关键因素,这些因素指明了在收集、处理、分析和显示数据方面所需的特定 AWS 服务。

    数字化  |  3.5 小时

    Machine Learning 数据准备度

    本课程重点介绍机器学习 (ML) 背景下的数据准备度概念。您将学习如何确定数据准备度,以及何时将数据准备度作为 ML 过程的一部分。

    数字化  |  1 小时

    深入了解存储

    这些课程专门面向企业存储工程师,帮助他们学习如何构建和管理高度可用的解决方案,其中重点介绍 AWS 存储服务。

    数字化  |  课时各不相同

    机器学习安全性

    讲授如何保护应用程序和环境的安全,通过多个专题详细讲解 NACL、安全组、AWS Identity and Access Management 以及加密密钥管理等。

    数字化  |  30 分钟

    Big Data on AWS

    本课程将向您介绍基于云的大数据解决方案,例如 Amazon Elastic MapReduce (EMR)、Amazon Redshift、Amazon Kinesis 和其余 AWS 大数据平台。

  • AWS 上的 Machine Learning 管道

    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。您将从 AWS 讲师的呈现和演示中了解管道的每个阶段。然后,您可以运用该知识来完成一个项目,以解决三个业务问题中的一个。到课程结束时,您将能够使用 Amazon SageMaker 成功地构建、训练、评估、调整和部署 ML 模型,以解决您所选择的业务问题。

    语言:机器翻译与 NLP

    这些课程将探索机器如何与人类语言交互。了解 AWS 服务,这些服务可以帮助您应对神经网络和自然语言处理主题,例如自动语音识别、自然流畅的语言翻译和文本中的见解与关系。

    数字化  |  80 分钟

    视觉:计算机视觉理论

    本课程将探索机器如何理解图像和视频。 

    数字化  |  2.5 小时

  • 可选培训

    了解 Machine Learning 工具集

    了解可用于构建模型并为应用程序添加智能的一些 AWS 机器学习服务。

    数字化 | 80 分钟

     

想要了解更多?