Amazon Web Services - AWMLP
The Machine Learning Pipeline on AWS
The Machine Learning Pipeline on AWS
- 時數:28小時
- 費用:NT$ 56,000
- 點數:14.0
選擇查詢分區開課時間
地點 | 班號 | 日期 | 時間 | 預約 |
---|---|---|---|---|
台北 | 24139 班 | 2024/12/23 ~ 2024/12/26 每週一二三四 | 09:00~17:00 | 預約 |
目前查無開課時段
詳細開課時間請洽詢業務
新竹、台中、高雄如有上課需求,請參考台北開課日期,洽當地服務人員依需求加開遠距開課日期
聯絡恆逸
教材
AWS原廠電子教材
課程目標
本課程探索在基於專案的學習環境中,如何使用機器學習管道解決真實的商業問題。您將由講師的課堂講解與示範中學習到管道的每個階段,然後應用這些知識來完成解決下列問題:如詐欺偵測、推薦系統或飛航延遲預測的專案。
完成本課程後,您將能夠成功地使用Amazon SageMaker建立、訓練、評估、調優與部署一個機器學習模型,解決所關注的商業問題。
適合對象
- 資料工程師
- 解決方案架構師
- 程式開發人員
- 任何人雖然沒有太多的機器學習經驗,但想要學習如何使用Amazon SageMaker的機器學習管道
預備知識
- 基本的Python知識
- 基本的AWS雲端基礎架構知識(Amzaon S3與Amazon CloudWatch)
- 基本的Jupyter notebook使用經驗
課程內容
第一天:
Module 0:課程簡介
• 課前評量
Module 1:機器學習與ML管道簡介
Module 2:Amazon SageMaker簡介
• 實作練習:Amazon SageMaker與Jupyter notebooks
Module 3:問題公式化
• 實作練習:Amazon SageMaker Ground Truth
第二天:
Module 4:資料預處理
• 資料收集、整合的概述,以及資料預處理與視覺化的技術
• 練習預處理
• 預處理專案資料
• 關於專案的課堂討論
第三天:
Module 5:模型訓練
Module 6:模型評估
第四天:
Module 7:特徵工程與模型訓練
Module 8:模型部署
• 課後評量
學會技能
- 為特定的商業問題選擇適合的機器學習方法與證明此方法的適用性
- 使用機器學習管道來解決一個明確的商業問題
- 使用Amazon SageMaker訓練、評估、部署與調優一個機器學習模型
- 在AWS上,機器學習管道關於可擴縮性設計、成本最佳化與安全強化的最佳實踐
- 完成本課程後,能夠應用機器學習解決實際問題
備註事項
- 上課時間為09:00~17:00
此課程需向原廠訂購電子教材及實驗環境,請於開課前兩週完成報名並繳清課程費用
推薦課程
台北恆逸教育訓練中心
- 02-25149191
- 02-25149292
- 台北市松山區復興北路99號14樓
新竹恆逸教育訓練中心
- 03-5723322
- 03-5745738
- 新竹市光復路二段295號3樓之2
台中恆逸教育訓練中心
- 04-23297722
- 04-23102000
- 台中市西區臺灣大道二段309號2樓
高雄恆逸教育訓練中心
- 07-5361199
- 07-5361698
- 高雄市苓雅區新光路38號4樓之1