AWS ML Engineer Associate 1.3 Validate Data and Prepare for Modeling (العربية)

Amazon Web Services and Amazon via AWS Skill Builder

Go to class Write review

تغطي هذه الدورة جزءًا من مرحلة إعداد البيانات في دورة حياة التعلم الآلي (ML). في هذه الدورة، ستتعرف على استراتيجيات التحقق من صحة البيانات، بما في ذلك استراتيجيات الحد من التحيز وتأمين البيانات. ستراجع أيضًا بعض خدمات Amazon Web Services (AWS) التي يمكن أن تساعد في التحقق من صحة البيانات، بما في ذلكAWS Glue DataBrew وAWS Glue Data Quality. ستتعرف أيضًا على الخطوات النهائية لإعداد البيانات وتكوينها، مثل تقسيم مجموعة البيانات، وخلطها، وزيادتها، وتكوينها لتحميلها في مورد تدريب النموذج.

مستوى الدورة: متقدم
المدة: 45 دقيقة

الأنشطة

المواد عبر الإنترنت
عرض توضيحي
أسئلة التحقق من المعرفة
تقييم الدورة

أهداف الدورة التدريبية

شرح أهمية ضمان سلامة البيانات.
تحديد مقاييس التحيز الأساسية قبل التدريب.
وصف الاستراتيجيات لمعالجة عدم توازن الفئات ضمن مجموعات البيانات.
وصف خدمات AWS الأساسية للتحقق من جودة البيانات.
استخدام أدوات AWS لتحديد مصادر التحيز في البيانات والحد منها.
وصف تقنيات استخدام خدمات AWS لتشفير البيانات.
تحديد الآثار المترتبة على متطلبات امتثال البيانات.
وصف قيمة وتقنية تقسيم مجموعات البيانات وخلطها وزيادتها.
التعرف على تنسيقات البيانات المستخدمة في تدريب النماذج.
تحديد أدوات وخدمات AWS لتكوين بيانات تدريب النماذج.
وصف كيفية تكوين البيانات لتحميلها في مورد تدريب نماذج.

الجمهور المستهدف

مهندسو السحابات
مهندسو التعلم الآلي

المهارات الموصى بها

خبرة لا تقل عن سنة واحدة في استخدام Amazon SageMaker وخدمات AWS الأخرى لهندسة ML.
خبرة لا تقل عن سنة واحدة في دور ذي صلة مثل مطور برامج الواجهة الخلفية أو مطور DevOps أو مهندس البيانات أو عالم البيانات.
فهم أساسي للغات البرمجة مثل Python.
الحصول على دورات سابقة في خطة التعلم AWS ML Engineer Associate.