Machine Learning:数据科学家

深入了解机器学习背后的数学、科学和统计知识

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

本路径面向希望成为组织内的机器学习 (ML) 主题专家并且擅长数学、统计和分析的学习人员。了解机器学习框架和分析工具如何增强工作场所协作。然后,通过可选培训补充您的技能。

详细了解以下各个学习进阶中的课程。

learning-paths_ml-data-scientist_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。

    数据科学的要素

    课程内容涵盖问题界定、探索性数据分析、特征工程、模型训练、调优调试以及模型评估和产品化,帮助您了解如何构建和持续改进机器学习模型。

    数字化 | 8 小时

    数据科学课程:现实世界中的 Machine Learning 决策

    使用机器学习解决现实生活中的业务挑战。从头开始构建、训练和测试机器学习模型。 

    数字化 | 50 分钟

    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

    开发 Machine Learning 应用程序

    探索 Amazon 完全托管的 ML 平台 Amazon SageMaker。

    数字化 | 2.5 小时

    使用 Amazon SageMaker 探索实用数据科学

    使用 Machine Learning (ML) 和 Amazon SageMaker 在为期 1 天的全新课堂培训课程中探索真实世界使用案例。

    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。

    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

    备考:AWS Certified Machine Learning – Specialty

    探索 AWS Certified Machine Learning - Specialty 考试的主题领域,了解它们如何与 AWS 上的机器学习关联以及如何将它们映射到机器学习 (ML) 和深度学习 (DL) 基础领域以供未来自学。

    课堂 | 4 小时
    数字化 | 2 小时

  • 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

    Machine Learning 中的数学

    要理解现代机器学习,您还需要理解向量和矩阵、线性代数、概率定理、一元微积分和多元微积分。本课涵盖所有这些内容。

    数字化 | 8 小时

    线性和逻辑回归

    探索回归模型、最小二乘误差、最大似然估计、正则化、逻辑回归、经验损失最小化和基于梯度的优化方法。

    数字化 | 8.5 小时

  • AWS Certification

    AWS Certified Machine Learning – Specialty

    这项 AWS Certified Machine Learning – Specialty 认证由 AWS 专家创建,旨在检验应试人员对构建和调整数据模型必备技能的掌握情况。让您和您的组织在这个不断发展的领域脱颖而出。

    考试 | 180 分钟

想要了解更多?