AWS ML Engineer Associate 2.1 Choose a Modeling Approach
AWS Skill Builder
352 Cursos
Resumen
Explore las capas de la pila de ML de AWS y aprenda cómo resolver desafíos empresariales comunes con servicios de AWS. Este curso explora cómo usar Amazon SageMaker para tareas de aprendizaje automático y cómo revisar estrategias para seleccionar modelos apropiados.
Además, este curso destaca escenarios específicos para soluciones de ML preentrenadas de Amazon SageMaker JumpStart e instruye sobre cómo optimizar las selecciones para las necesidades empresariales. Este curso también discutirá aplicaciones específicas para soluciones de ML preentrenadas de Amazon Bedrock y cómo identificar la solución integrada más apropiada. Finalmente, este curso explora la importancia de la interpretabilidad en la selección de modelos y algoritmos.
- Nivel del curso: Avanzado
- Duración: 1.5 horas
Actividades
- Materiales en línea
- Ejercicios
- Preguntas de verificación de conocimientos
Objetivos del curso
- Articular los beneficios y casos de uso de cada capa de la pila de aprendizaje automático de AWS.
- Explicar cómo los servicios de inteligencia artificial (IA) de AWS ayudan a resolver problemas empresariales comunes.
- Seleccionar servicios de IA de AWS para resolver necesidades empresariales comunes.
- Describir los beneficios de usar SageMaker para aprendizaje automático.
- Identificar casos de uso específicos para algoritmos integrados de SageMaker.
- Seleccionar los algoritmos de modelos de aprendizaje automático más apropiados para resolver necesidades empresariales comunes.
- Identificar casos de uso específicos para soluciones de aprendizaje automático preentrenadas de SageMaker JumpStart.
- Elegir la solución integrada de SageMaker JumpStart más apropiada para resolver necesidades empresariales comunes.
- Describir el papel de la interpretabilidad durante la selección de modelos o algoritmos.
- Seleccionar los modelos o algoritmos más rentables para resolver necesidades empresariales comunes.
Público objetivo
- Arquitectos de la nube
- Ingenieros de aprendizaje automático
Habilidades recomendadas
- Al menos 1 año de experiencia utilizando SageMaker y otros servicios de AWS para ingeniería de ML
- Al menos 1 año de experiencia en un rol relacionado como desarrollador de software backend, desarrollador de DevOps, ingeniero de datos o científico de datos
- Un entendimiento fundamental de lenguajes de programación como Python
- Haber completado cursos anteriores en el Plan de Aprendizaje de Ingeniero de ML de AWS
Temario del curso
Sección 1: Introducción
- Lección 1: Cómo usar este curso
- Lección 2: Introducción al Dominio 2
- Lección 3: Visión general del curso
- Lección 4: Elegir un enfoque de modelado
Sección 2: Enfoques de modelado
- Lección 5: Servicios de IA de AWS
- Lección 6: Algoritmos integrados de Amazon SageMaker
- Lección 7: Soluciones de ML de Amazon SageMaker JumpStart
- Lección 8: Soluciones de ML de Amazon Bedrock
- Lección 9: Consideraciones para la selección de modelos
