AWS ML Engineer Associate 2.1 Choose a Modeling Approach

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

Programa de estudio

Enseñado por

Etiquetas

united states