Kursus AWS Machine Learning Specialty
Kursus AWS ML Specialty berstruktur tentang kejuruteraan data, latihan model, keselamatan, penggunaan, pemantauan, MLOps dan pengoptimuman, dengan soalan.
Kemajuan kursus
0 / 5
Kembali ke kursus
Apa yang akan anda pelajari
- Terangkan data.
- Terangkan latihan.
- Terangkan keselamatan.
- Terangkan penggunaan.
- Terangkan pemantauan.
Sebelum bermula
- Pengetahuan AWS asas membantu.
- Disyorkan asas Python atau ML.
- Tidak perlu pensijilan AWS sebelum ini.
Pelajaran 1 Kejuruteraan dan Penyediaan Data
S3 simpan data, Athena pertanyaan, Glue sediakan dan kedai ciri kongsi ciri. Wrangler Data sediakan visual. Bahagi data latih, sah, uji, normakan dan elak kebocoran data. Berlatih dengan contoh, semak setiap kesilapan dan ulang topik paling lemah setiap minggu untuk maju.
Contoh
Contoh: pasukan simpan transaksi dalam S3, Glue bersihkan, kedai ciri kongsi ciri dan bahagi data kepada latih, sah, uji.Pelajaran 2 Latihan Model dan Algoritma
Linear Learner regresi, XGBoost klasifikasi, K-Means kelompok, PCA kurangkan dimensi. Hyperparameter dan epoch kawal latihan. Henti awal dan pemindahan pembelajaran cegah terlebih muat. Berlatih dengan contoh, semak setiap kesilapan dan ulang topik paling lemah setiap minggu untuk maju.
Contoh
Contoh: pasukan regresi guna Linear Learner, henti awal dan matriks kekeliruan untuk penilaian.Pelajaran 3 Keselamatan dan Pematuhan
IAM kawal akses, KMS penyulitan, VPC asing dan titik akhir VPC beri akses peribadi. TLS lindungi transit dan CloudTrail audit API. Guna hak minimum. Berlatih dengan contoh, semak setiap kesilapan dan ulang topik paling lemah setiap minggu untuk maju.
Contoh
Contoh: beban kesihatan guna KMS, VPC, titik akhir peribadi dan hak minimum.Pelajaran 4 Penggunaan dan Inferens
Titik akhir masa nyata beri ramalan, transform kelompok proses kelompok, saluran inferens rantaikan bekas. Skala automatik laraskan kapasiti dan varian sokong ujian A/B. Berlatih dengan contoh, semak setiap kesilapan dan ulang topik paling lemah setiap minggu untuk maju.
Contoh
Contoh: peruncit guna titik akhir masa nyata untuk cadangan, transform kelompok untuk skor malam dan skala automatik untuk trafik puncak.Pelajaran 5 Pemantauan, MLOps dan Pengoptimuman
CloudWatch memantau, Model Monitor kesan hanyut, Eksperimen jejak, Saluran paip automatik, Clarify kesan bias. Guna Spot, latihan teragih, Autopilot dan saiz betul. Berlatih dengan contoh, semak setiap kesilapan dan ulang topik paling lemah setiap minggu untuk maju.