Overview
이 기계 학습 과정에서는 기계 학습 수명 주기와 모든 단계에서 AWS 서비스를 사용하는 방법을 알아봅니다. 또한 기계 학습 모델에 대한 다양한 소스를 검색하고 해당 모델의 성능을 평가하는 기법도 알아봅니다. 기계 학습 프로젝트의 개발 및 배포를 간소화하는 데 있어 기계 학습 운영(MLOps)의 중요성도 이해합니다.
- 과정 수준: 기초
- 소요 시간: 1시간
참고: 이 과정은 Google Chrome(최신 주요 버전 2개), Microsoft Edge(최신 주요 버전 2개), Safari(최신 주요 버전 2개)에 최적화되어 있습니다.
활동
이 과정에는 대화형 요소, 텍스트 지침, 예제 그래픽 및 지식 확인이 포함되어 있습니다.
과정 목표
이 과정에서 학습할 내용은 다음과 같습니다.
- 기계 학습 수명 주기의 구성 요소를 설명합니다.
- ML 수명 주기의 각 단계에 대한 관련 AWS 서비스 및 특성을 식별합니다.
- 인공 지능(AI) 모델을 훈련하는 데 사용되는 데이터 유형을 설명합니다.
- 기계 학습 모델의 소스를 이해합니다.
- 모델 성능 지표를 이해합니다.
- 프로덕션 환경에서 모델을 사용하는 방법을 설명합니다.
- MLOps의 기본 개념을 이해합니다.
수강 대상
이 과정의 수강 대상은 다음과 같습니다.
- 특정 직무와 무관하게 기계 학습 및 인공 지능에 관심이 있는 개인
사전 요구 사항
Developing Machine Learning Solutions는 인공 지능, 기계 학습 및 생성형 AI에 대한 기초를 다지는 시리즈의 일부입니다. 아직 완료하지 않았으면 다음 두 과정을 완료하는 것이 좋습니다.
- 기계 학습 및 인공 지능의 기초
- 인공 지능 사용 사례 및 애플리케이션 살펴보기
과정 개요
섹션 1:
- 본 과정 사용 방법
섹션 2: 소개
- 소개
섹션 3: ML 솔루션 개발
- 기계 학습 개발 수명 주기
- Amazon SageMaker를 사용하여 ML 솔루션 개발
- ML 모델 소스
- 기계 학습 모델 성능 평가
- 모델 배포
- MLOps의 기본 개념
- 지식 확인
섹션 4: 결론
- 리소스
- 결론
- AWS에 문의
University: AWS Skill Builder
Provider: AWS Skill Builder
Categories: Artificial Intelligence Courses, Machine Learning Courses, Cloud Computing Courses, Data Science Courses, MLOps Courses, Amazon Web Services (AWS) Courses, Amazon SageMaker Courses, Model Evaluation Courses, Model Deployment Courses
