Machine Learning University
Machine Learning University (MLU) fornisce a chiunque, ovunque e in qualsiasi momento l'accesso agli stessi corsi di machine learning utilizzati per formare gli sviluppatori di Amazon sul machine learning. Con MLU, tutti gli sviluppatori possono imparare a utilizzare il machine learning con la serie di apprendimento MLU Accelerator impara al tuo ritmo. La serie MLU Accelerator è progettata per dare il via al tuo percorso nel ML con tre corsi di base di tre giorni su elaborazione del linguaggio naturale, dati tabulari e visione artificiale. Al termine della serie Accelerator, il corso Decision Trees and Ensemble Methods (Alberi decisionali e metodi ensemble) offre una serie di lezioni più avanzate di cinque giorni sui modelli basati su alberi decisionali e modelli ensemble. Attraverso lezioni video sequenziali di YouTube tenute da esperti Amazon con esempi pratici, notebook Jupyter e diapositive, MLU fornisce un percorso completo e self-service per comprendere le basi del machine learning. I materiali dei corsi sono disponibili su GitHub, vedi di seguito per ulteriori dettagli sui nostri corsi.
Nozioni di base
I corsi offerti da Machine Learning University sono gli stessi corsi utilizzati per formare gli sviluppatori di Amazon sulle basi del machine learning. Iniziare a imparare con MLU è facile e offre agli studenti una struttura di apprendimento flessibile e autogestita.
Ripassa le basi
Per iniziare a imparare con MLU, tutti gli utenti devono creare un account AWS. Inoltre, è consigliabile che gli studenti abbiano una conoscenza di base e familiarità con Python per sfruttare al massimo questi contenuti. Se non conosci Python, consulta alcune delle nostre ulteriori risorse di apprendimento, dove potrai trovare tutorial introduttivi.
Scegli un percorso di apprendimento
Scegli uno dei tre percorsi di apprendimento in base alle tue esigenze. Ogni percorso di apprendimento include lezioni su YouTube, diapositive, esercizi pratici e notebook Jupyter su GitHub.
Inizia a imparare
Gli studenti hanno accesso a notebook e diapositive GitHub che accompagnano le lezioni video e offrono la possibilità di seguire autonomamente le lezioni e le attività pratiche. Segui il tuo ritmo e scegli le lezioni e gli argomenti più interessanti per te.
Natural Language Processing (Elaborazione del linguaggio naturale)
Riepilogo del corso
Questo corso è pensato per aiutarti ad acquisire le basi dell'elaborazione del linguaggio naturale (NLP) e a imparare come utilizzarla in diversi casi d'uso. Il corso tratterà argomenti come l'elaborazione dei testi, la regressione e i modelli strutturati ad albero, la regolazione degli iperparametri, le reti neurali ricorrenti, i meccanismi di attenzione e i trasformatori.
Contenuto del corso
Consulta la pagina di GitHub per una panoramica dettagliata di corsi, progetti, notebook e molto altro.
Tabular Data (Dati tabulari)
Riepilogo del corso
Scopri come iniziare a utilizzare i dati tabulari (dati simili a quelli di un foglio di calcolo) e le tecniche di machine learning più utilizzate per manipolarli. Questo corso tratterà argomenti come l'ingegneria delle funzionalità, i modelli strutturati ad albero, i modelli di regressione, le reti neurali e AutoML.
Contenuto del corso
Consulta la pagina di GitHub per una panoramica dettagliata di corsi, progetti, notebook e molto altro.
Computer Vision (Visione artificiale)
Riepilogo del corso
Attraverso questo corso, acquisirai le competenze necessarie per iniziare a utilizzare la visione artificiale. Il corso presenterà la classificazione di immagini, le reti neurali convoluzionali, il trasferimento dell'apprendimento, il rilevamento di oggetti e la segmentazione semantica.
Contenuto del corso
Consulta la pagina di GitHub per una panoramica dettagliata di corsi, progetti, notebook e molto altro.
Decision Trees and Ensemble Methods (Alberi decisionali e metodi ensemble)
Riepilogo del corso
In questo corso inizierai a utilizzare modelli strutturati ad albero ed ensemble. In questo corso imparerai a conoscere gli alberi decisionali, le impurità, il compromesso bias-varianza, le foreste casuali, le prossimità, l'importanza delle funzionalità e il potenziamento.
Contenuto del corso
Consulta la pagina di GitHub per una panoramica dettagliata di corsi, progetti, notebook e molto altro.
Responsible AI - Fairness & Bias Mitigation (IA responsabile: equità e mitigazione dei bias)
Riepilogo del corso
Questo corso è progettato per farti conoscere diverse dimensioni dell'IA responsabile, con particolare attenzione ai criteri di equità e alla mitigazione dei bias. Scopri i diversi criteri di equità, le misurazioni dei bias e le tecniche di mitigazione dei bias.
Contenuto del corso
Consulta la pagina di GitHub per una panoramica dettagliata di corsi, progetti, notebook e molto altro.
Altre risorse
Approfondimento sul Machine Learning
Migliora le tue conoscenze e competenze sui servizi ML AWS.
Formazione e certificazione AWS
Esplora i corsi guidati e di formazione per tutti i livelli di esperienza con il ML di Formazione e certificazione AWS.
Tutorial pratici
Utilizza questi tutorial veloci per scoprire i servizi ML AWS e i casi d'uso più comuni.