تقدم هذه الدورة النهائية لمجال تطوير النموذج تعليمات لتحليل أداء نموذج تعلم الآلة. ستتعرف على المفاهيم والتقنيات الأساسية لتقييم النموذج بما في ذلك مقاييس مشاكل التصنيف والانحدار. ستتعرف أيضًا على كيفية تحديد مشكلات التقارب وضمان إجراء تجارب قابلة للتكرار. وأخيرًا، ستستخدم خدمات AWS مثل Amazon SageMaker Clarify وAmazon SageMaker Debugger للحصول على رؤى حول بيانات تدريب machine learning (تعلّم الآلة) ومشكلات النموذج.

مستوى الدورة: متقدم
المدة: 1.5 ساعة

الأنشطة

مواد عبر الإنترنت
التمارين
أسئلة قياس مستوى المعرفة

أهداف الدورة التدريبية

تحديد الأساليب لإنشاء خطوط الأساس للأداء.
تقييم المفاضلات بين أداء النموذج ووقت التدريب والتكلفة.
تحديد تقنيات ومقاييس تقييم مشكلات التصنيف.
تحديد تقنيات ومقاييس تقييم مشكلات الانحدار.
تحديد مشكلات التقارب وتجنب مشكلات تقارب النموذج باستخدام Amazon SageMaker Training Compiler وAmazon SageMaker Automatic Model Tuning (AMT).
تحديد مقاييس SageMaker Clarify للحصول على رؤى بشأن بيانات ونماذج تدريب (تعلّم الآلة).
استخدم SageMaker Clarify لتوضيح مخرجات النموذج.
وصف كيفية إجراء تجارب يُمكن تكرارها باستخدام خدمات AWS.
استخدم SageMaker Model Debugger لتصحيح أخطاء تقارب النموذج.

الجمهور المستهدف

مهندسو السحابات
مهندسو Machine learning

المهارات المُوصى بها

أتمَ خبرة لا تقل عن سنة واحدة في استخدام SageMaker وخدمات AWS الأخرى لهندسة ML.
أتمَ خبرة لا تقل عن سنة واحدة في دور ذي صلة مثل مطور برامج الواجهة الخلفية أو مُطوِّر DevOps أو مهندس البيانات أو عالم البيانات.
فهم أساسي للغات البرمجة مثل Python
اجتازَ الدورات السابقة في خطة التعلم لمساعد مهندس AWS ML