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 報名
台北 24139 班 2024/10/21 ~ 2024/10/24 每週一二三四 09:00~17:00 報名
高雄 24139ZK 班 2024/10/21 ~ 2024/10/24 每週一二三四 09:00~17:00 報名 Live

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

  1. 資料工程師
  2. 解決方案架構師
  3. 程式開發人員
  4. 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

  1. 基本的Python知識
  2. 基本的AWS雲端基礎架構知識(Amzaon S3與Amazon CloudWatch)
  3. 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

  1. 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
  2. 使用機器學習管道來解決一個明確的商業問題
  3. 使用Amazon SageMaker訓練、評估、部署與調優一個機器學習模型
  4. 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
  5. 完成本課程後,能夠應用機器學習解決實際問題

備註事項

  1. 上課時間為09:00~17:00
  2. 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


    您的公司是已經遷上雲端了,還是正在遷上雲端?


    恆逸講師重點解析AWS雲端運算概念、AWS核心服務、AWS安全與合規概觀

推薦課程