机器学习: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

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、统计和分析的学员。通过基础、中级和高级课程逐步提高,学习如何将机器学习框架和分析工具应用于工作并改进协作。

详细了解以下各个学习进阶中的课程。

path_ml-data-scientist_V3
  • 初级进阶

    数学在机器学习中的应用

    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。本课程涵盖所有这些内容。 

    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

    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:现实世界中的机器学习决策

    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

    机器学习数据准备度

    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

    开发机器学习应用程序

    探索 Amazon 完全托管的 ML 平台 Amazon SageMaker。

    数字化  |  2.5 小时

    机器学习解决方案的类型

    了解机器学习的三个不同学科:计算机视觉、自然语言处理和聊天机器人。查看实际应用和每个应用中使用的 AWS 服务。 

    数字化  |  15 分钟

  • 分支内容领域

    与聊天机器人沟通

    学习“与聊天机器人沟通”课程,了解如何构建智能聊天机器人。 

    数字化  |  3.5 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

    清晰查看: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

想要了解更多?