這條路徑專為資料平台工程師設計。了解機器學習 (ML) 會改變資料擷取、系統需求和效能,以及客戶體驗。接著透過選擇性培訓補充學過的技能。
在下方進一步了解與每項學習發展有關的課程。

-
建議進度
按照這裡建議的課程和考試順序,在此學習路徑上培養 AWS 雲端技能。Data Analytics Fundamentals
在此自主進度課程中,您將了解規劃資料分析解決方案的過程,以及所涉及的各種資料分析過程。此課程將向您介紹五個關鍵因素,這些因素表明在收集、處理,分析和顯示資料時需要特定的 AWS 服務。
數位 | 3.5 小時
Machine Learning Data Readiness
本課程專注在與機器學習 (ML) 有關的資料準備度概念。您將了解如何判斷資料準備度,以及識別在 ML 程序採用資料準備度的時機。
數位 | 1 小時
Big Data on AWS
本課程介紹以雲端為基礎的大數據解決方案,例如 Amazon Elastic MapReduce (EMR)、Amazon Redshift、Amazon Kinesis 及其他 AWS 大數據平台。
課堂 (虛擬或面授) |
3 天 -
相關 ML 專業課程
Machine Learning Pipeline on AWS
探索如何在基於專案的學習環境中使用機器學習 (ML) 管道解決實際商業問題。您將從 AWS 講師提供的簡報和示範中了解管道的每個階段。然後,您將應用該知識來完成專案:解決三個商業問題中的其中一個。在課程結束時,您將使用 Amazon SageMaker 成功建置、訓練、評估、調整和部署 ML 模型,從而解決您選擇的業務問題。
課堂 (虛擬或面授) |
4 天語言討論:機器翻譯和 NLP
這些課程探索機器如何與人類語言互動。說明可協助您進行神經網路和自然語言處理的 AWS 服務,主題包含自動語音辨識、自然和流暢語言翻譯,以及文字中的洞見和關係。
數位 | 80 分鐘
-
選擇性培訓