機器學習 – 資料科學家

深入了解機器學習背後的數學、科學和統計理論

機器學習  |  業務決策者  |  資料平台工程師  | 資料科學家  |  開發人員

想成為組織中的機器學習 (ML) 主題專家且精通數學、統計和分析的學習者,可透過此路徑學習。進一步了解機器學習框架和分析工具如何能改善職場協作。接著透過選擇性培訓補充技能。

在下方進一步了解與每項學習發展有關的課程。

learning-paths_ml-data-scientist_march2020
  • 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。

    The Elements of Data Science

    探討問題公式化、探索性資料分析、特徵工程、模型訓練、調校與偵錯、模型評估以及將模型投入生產,學習如何建置和持續改善機器學習模型。

    數位 | 8 小時

    資料科學總整課程:真實世界的機器學習決策

    使用機器學習解決實際的企業挑戰。從頭開始建置、訓練並測試機器學習模型。 

    數位 | 50 分鐘

    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

    開發機器學習應用程式

    探索 Amazon 全受管 ML 平台 Amazon SageMaker。

    數位 | 2.5 小時

    Amazon SageMaker 的實用資料科學

    在為期 1 天的新課堂培訓課程中,透過 Machine Learning (ML) 和 Amazon SageMaker 探索真實的使用案例。

    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。

    機器學習安全

    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。

    數位 | 30 分鐘

    考試準備:AWS Certified Machine Learning – Specialty

    探索 AWS Certified Machine Learning - Specialty 考試的主題領域,了解它們與 AWS 上機器學習的關係,並將它們與機器學習 (ML) 和深度學習 (DL) 的基礎領域相聯繫,以供將來進行自學。

    課堂 | 4 小時
    數位 | 2 小時

  • Speaking of: Machine Translation and 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

    Seeing Clearly: Computer Vision Theory

    本課程探索機器如何理解影像和影片。 

    數位 | 2.5 小時

  • 選擇性培訓

    機器學習的數學理論

    為了解當代機器學習技術,您也必須了解向量與矩陣、線性代數、機率論、單變量微積分和多變量微積分。本課程涵蓋上述所有資訊。

    數位 | 8 小時

    Linear and Logistic Regression

    探索以下各種模型:回歸、最小平方誤差近似法、最大似然估計、正規化、邏輯回歸、經驗損失最小化及梯度優化法。

    數位 | 8.5 小時

  • AWS Certification

    AWS Certified Machine Learning - Specialty

    AWS Certified Machine Learning – Specialty 認證由 AWS 專家所建立,可驗證建立和微調資料模型所需的相關技能。讓自己和組織在這個持續成長的領域中脫穎而出。

    考試 | 180 分鐘

需要更多課程?