Google, IBM & Meta Certificates – 40% Off
One plan covers every Professional Certificate on Coursera.
Unlock All Certificates
探索 AWS ML 堆疊層，並了解如何使用 AWS 服務解決常見的商業挑戰。本課程探討如何使用 Amazon SageMaker 進行機器學習任務，以及如何檢閱選取適當模型的策略。
此外，本課程強調預先訓練的 Amazon SageMaker JumpStart ML 解決方案的特定案例，並指導如何針對業務需求最佳化選擇。本課程也會討論預先訓練的 Amazon Bedrock ML 解決方案的特定應用程式，以及如何識別最適當的內建解決方案。最後，本課程探討可解釋性在模型和演算法選擇中的重要性。
- 課程等級：進階
- 持續時間：1.5 小時
活動
- 線上教材
- 練習
- 知識檢測問題
課程目標
- 闡明 AWS 機器學習堆疊每個層級的優勢和使用案例。
- 說明 AWS 人工智慧 (AI) 服務如何協助解決常見的商業問題。
- 選取 AWS AI 服務來解決常見的業務需求。
- 描述使用 SageMaker 進行機器學習的優勢。
- 識別內建 SageMaker 演算法的特定使用案例。
- 選取最適當的機器學習模型演算法來解決常見的業務需求。
- 識別預先訓練的 SageMaker JumpStart 機器學習解決方案的特定使用案例。
- 選擇最適當的 SageMaker JumpStart 內建機器學習解決方案，以解決常見的業務需求。
- 描述可解釋性在選擇模型或演算法期間所扮演的角色。
- 選取最具成本效益的模型或演算法來解決常見的業務需求。
目標對象
- 雲端架構師
- 機器學習工程師
建議技能
- 在使用 SageMaker 和其他用於機器學習工程的 AWS 服務方面，擁有至少 1 年的經驗
- 在後端軟體開發人員、DevOps 開發人員、資料工程師或資料科學家等相關職務，擁有至少 1 年的經驗
- 對 Python 等程式設計語言有基本理解
- 完成 AWS ML Engineer Associate 學習計畫中的先前課程
課程大綱
第 1 節：簡介
- 第 1 課：如何運用本課程
- 第 2 課：領域 2 簡介
- 第 3 課：課程概觀
- 第 4 課：選擇建模方法
第 2 節：建模方法
- 第 5 課：AWS AI 服務
- 第 6 課：Amazon SageMaker 內建演算法
- 第 7 課：Amazon SageMaker JumpStart ML 解決方案
- 第 8 課：Amazon Bedrock ML 解決方案
- 第 9 課：模型選擇考量
第 3 節：結論
- 第 10 課：課程總結
- 第 11 課：評定
- 第 12 課：聯絡我們
關鍵字
- Gen AI
- 生成式 AI
