Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it
Questo corso finale del dominio di sviluppo del modello fornisce istruzioni per analizzare le prestazioni del modello ML. Imparerai i concetti e le tecniche chiave per la valutazione dei modelli, comprese le metriche dei problemi di classificazione e regressione. Imparerai anche come identificare i problemi di convergenza
e garantire una sperimentazione riproducibile. Infine, utilizzerai servizi AWS come Amazon SageMaker Clarify e Amazon SageMaker Debugger per ottenere informazioni dettagliate sui dati di addestramento
di machine learning (ML) e sui problemi relativi ai modelli.
- Livello del corso: avanzato
- Durata: 1,5 ore
Attività
- Materiali online
- Esercizi
- Domande di verifica delle conoscenze
Obiettivi del corso
- Determinare metodi per creare basi di riferimento per le prestazioni.
- Valutare i compromessi tra prestazioni del modello, tempi di addestramento e costi.
- Determinare le tecniche e le metriche di valutazione dei problemi di classificazione.
- Determinare le tecniche e le metriche di valutazione dei problemi di regressione.
- Identificare i problemi di convergenza e prevenire i problemi di convergenza dei modelli con Amazon SageMaker Training Compiler e Amazon SageMaker Automatic Model Tuning (AMT).
- Identificare le metriche di SageMaker Clarify per ottenere informazioni dettagliate sui dati e sui modelli di addestramento ML.
- Usare SageMaker Clarify per interpretare gli output del modello.
- Descrivere come eseguire esperimenti riproducibili utilizzando i servizi AWS.
- Usare SageMaker Model Debugger per eseguire il debug della convergenza dei modelli.
Destinatari principali
- Cloud architect
- Machine learning engineer
Competenze consigliate
- Avere almeno 1 anno di esperienza nell'uso di SageMaker e altri servizi AWS per l'ingegneria ML
- Avere almeno 1 anno di esperienza in un ruolo correlato, ad esempio come sviluppatore di software back-end, sviluppatore DevOps, data engineer o data scientist
- Avere una comprensione dei concetti fondamentali dei linguaggi di programmazione come Python
- Aver completato i corsi precedenti nel piano formativo AWS ML Engineer Associate
Programma del corso
- Sezione 1: Introduzione
- Lezione 1: Come utilizzare questo corso
- Lezione 2: Panoramica del corso
- Lezione 3: Basi di riferimento per le prestazioni
- Sezione 2: Valutazione del modello
- Lezione 4: Tecniche e metriche di valutazione del modello
- Lezione 5: Problemi di convergenza
- Lezione 6: Convergenza dei modelli di debug con SageMaker Debugger
- Lezione 7: Panoramica di SageMaker Clarify e metriche
- Lezione 8: Interpretazione degli output del modello utilizzando SageMaker Clarify
- Lezione 9: Amazon SageMaker Experiments
- Sezione 3: Conclusione
- Lezione 10: Riepilogo del corso
- Lezione 11: Valutazione
- Lezione 12: Contattaci
