Cíle kurzu
V tomto kurzu se naučíte, jak:- Aplikovat Amazon SageMaker na konkrétní případ použití a datovou sadu- Procvičíte všechny kroky typického procesu datové vědy- Vizualizovat a porozumět datové sadě- Prozkoumat, jak navzájem souvisí atributy datové sady- Připravit datovou sadu pro učení- Použítvestavěné algoritmy- Trénovat modely v Amazon SageMaker s užitím vestavěných algoritmů- Prozkoumat výsledky a výkon modelu a předvést, jak jej lze vyladit a spustit mimo SageMaker- Spustit předpovědi na balíku dat pomocí Amazon SageMaker- Nasadit model do koncového bodu v Amazon SageMaker pro předpovědi v reálném čase- Naučit se, jak nakonfigurovat koncový bod pro poskytování předpovědí ve velkém měřítku- Pochopit optimalizaci hyperparametrů (HPO) v Amazon SageMaker, pro nalezení optimálních parametrů modelu- Pochopit, jak provádět testování A/B modelů pomocí Amazon SageMaker- Provádět analýzu nákladů na chyby pro specifickou doménu, pro další ladění prahové hodnoty modelu, za účelem maximalizace užitečnosti modeluObsah kurzu
V tomto kurzu se naučíte, jak řešit skutečné úlohy pomocí strojového učení a s pomocí Amazonu SageMakeru dosáhnout hmatatelných výsledků. Tento kurz vás naučí jak používat Amazon SageMaker v různých fázích typického procesu datové vědy. Od analýzy a vizualizace datové sady, přes přípravu dat a návrh funkcí až po praktické aspekty vytváření modelů, učení, ladění a nasazení.Předpoklady
Doporučujeme, aby účastníci tohoto kurzu měli následující předpoklady:- Zkušenosti s programovacím jazykem Python- Znalost knihoven NumPy a Pandas Python je výhodou- Znalost základních algoritmů strojového učení- Znalost výroby modelů strojového učeníStudijní materiály
Všichni účastníci obdrží elektronickou verzi studijních materiálů AWS.
