Podstawy AWS Machine Learning i MLOps

W miarę jak organizacje skalują swoje inicjatywy związane ze sztuczną inteligencją, możliwość tworzenia, wdrażania i utrzymywania modeli uczenia maszynowego w chmurze staje się ważniejsza niż kiedykolwiek wcześniej. Ten kurs wprowadza Cię w podstawowe zasady uczenia maszynowego i MLOps na AWS, wypełniając lukę między nauką o danych a inżynierią chmury. Dzięki jasnym pisemnym wyjaśnieniom i praktycznym przewodnikom architektonicznym zrozumiesz, jak projektować i zarządzać kompleksowymi cyklami życia ML. Co się nauczysz: Zrozumienie podstawowych pojęć uczenia maszynowego, terminologii i krajobrazu usług AWS AI / ML; Konfigurowanie poboru danych, przetwarzania wstępnego i potoków pamięci masowej za pomocą usług danych AWS; Budowanie i szkolenie modeli uczenia się maszyn za pomoca SageMaker i wbudowanych algorytmów; Wdrażanie modeli do produkcyjnych punktów końcowych i zarządzanie wnioskowaniem Wdrażaj podstawowe praktyki MLOps, w tym monitorowanie modelu, wersjonowanie i automatyzację potoku; Poznaj podstawowe dostosowanie do domen egzaminu AWS machine learning na poziomie Associate. Program nauczania rozpoczyna się od podstawowych definicji uczenia maszynowego i podstaw chmury, a następnie przechodzi do przygotowania danych, szkolenia modeli, strategii wdrażania i najlepszych praktyk operacyjnych. Ten kurs jest przeznaczony dla początkujących inżynierów chmur, naukowców zajmujących się danymi i programistów, którzy są nowi w usługach AWS ML i chcą stworzyć silne podstawowe zrozumienie bez wcześniejszego doświadczenia w chmurze. Zacznij czytać już dziś, aby odblokować potencjał uczenia maszynowego w skali chmury.