機器學習大學 (MLU) 讓任何人、在任何地點、任何時間都能存取用於培訓 Amazon 內部開發人員機器學習相關知識的相同機器學習課程。透過 MLU，所有開發人員都能按自己的節奏學習 MLU 加速教學習系列，了解如何使用機器學習。MLU 加速系列旨以自然語言處理、表格式資料和電腦視覺，三個為期三天的基礎課程開啟您的 ML 之旅。完成加速系列後，決策樹和集合方法課程會以決策樹和集合方法為基礎，提供更進階的五天講座系列。MLU 將透過連續的 YouTube 影片提供理解機器學習基礎的全面自助式路徑，Amazon 科學家將在這些影片中傳授相關知識，其中還包含實際的實作範例、Jupyter 筆記本和投影片等。您可以在 GitHub 上獲取課程資料，並在下方了解有關課程的更多詳細資訊。
開始使用
機器學習大學所提供的課程與用於培訓 Amazon 內部開發人員機器學習基礎知識的課程相同。透過 MLU 輕鬆地開始學習，它將為學員提供自主進度的靈活學習結構。
重溫基礎知識
要透過 MLU 開始學習，所有使用者必須建立一個 AWS 帳戶。我們還建議學員對 Python 有基本的理解與熟悉，以便充分利用這些內容。如果您不熟悉 Python，請查看我們的其他學習資源並學習入門教學課程。
自然語言處理
課程總結
本課程旨在協助您開始使用自然語言處理 (NLP) 並學習如何在各種使用案例中使用 NLP。其將涵蓋文字處理、迴歸和樹狀模型、超參數調校、遞歸神經網路、注意力機制和轉換器等主題。
表格式資料
課程總結
了解如何開始使用表格式資料 (類似試算表的資料) 和被廣泛採用的機器學習技術，以便操作表格式資料。本課程將涵蓋特徵工程、樹狀模型和集合、迴歸模型、神經網路和 AutoML 等主題。
電腦視覺
課程總結
透過本課程，您將獲得開始使用電腦視覺的必要技能。您將學習影像分類、迴旋神經網路、遷移學習、物件偵測和語義分割，等等。
決策樹和集合方法
課程總結
在本課程中開始使用樹狀與集合模型。在本課程中，您將學習決策樹、不純度、偏差-方差權衡、隨機預測、相似性、特徵重要性和提升法。
負責的 AI – 公平性與偏差緩解
課程總結
本課程旨在為您介紹負責的 AI 的多個維度，並專注於公平性標準和偏差緩解。了解不同的公平性標準、偏差量測和偏差緩解技術。