機器學習 – 資料平台工程師

這兩個課程將釐清機器學習堆疊與術語，以及協助您建置良好機器學習基礎的程序。

逐步介紹 CRISP-DM 方法與架構，並將模型的六個階段實際應用在您的日常工作。 

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。

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。

這些課程專為企業儲存工程師設計，可學習如何建構和管理高可用性解決方案，並著重在 AWS 儲存服務。

透過特定主題，具體包括 NACL、安全群組、AWS Identity and Access Management，以及加密金鑰管理，保障您的應用程式與環境的安全。

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。

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。

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。

本課程探索機器如何理解影像和影片。 

介紹一些用於建置模型、增加應用程式智慧的 AWS 機器學習服務。