AWS ML Engineer Associate 2.1 Choose a Modeling Approach (Korean)

Resumen

Explore la capa de la pila de ML de AWS y aprenda cómo resolver problemas empresariales comunes utilizando los servicios de AWS. En este curso, verá cómo utilizar Amazon SageMaker para tareas de aprendizaje automático y revisar estrategias para seleccionar el modelo adecuado.

Además, se explicarán escenarios específicos de las soluciones ML preentrenadas JumpStart de Amazon SageMaker y se describirá cómo optimizar la selección para cumplir con los requisitos empresariales. También investigará aplicaciones específicas para las soluciones ML preentrenadas de Amazon Bedrock e identificará la solución integrada más adecuada. Finalmente, se examinará la importancia de la interpretabilidad en la selección de modelos y algoritmos.

• Nivel del curso: 300
• Duración: 1 hora y 30 minutos

Nota: Los videos de este curso ofrecen transcripciones o subtítulos en coreano y el audio está en inglés. Para mostrar los subtítulos, haga clic en el botón CC en la esquina inferior derecha de la pantalla del video.

Este curso está optimizado para Google Chrome (las 2 versiones principales más recientes), Microsoft Edge (las 2 versiones principales más recientes) y Safari (las 2 versiones principales más recientes).

Actividades

• Material en línea
• Prácticas
• Preguntas de verificación de conocimiento

Objetivos del curso

• Describir 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 los servicios de IA de AWS para abordar los requisitos empresariales comunes.
• Explicar los beneficios de utilizar SageMaker para aprendizaje automático.
• Identificar casos de uso específicos para los algoritmos integrados de SageMaker.
• Seleccionar los algoritmos de modelos de aprendizaje automático más apropiados para satisfacer los requisitos empresariales comunes.
• Identificar casos de uso específicos para las soluciones de aprendizaje automático preentrenadas JumpStart de SageMaker.
• Seleccionar la solución de aprendizaje automático integrada más adecuada de JumpStart para abordar los requisitos empresariales comunes.
• Explicar el papel que desempeña la interpretabilidad en la selección de modelos o algoritmos.
• Seleccionar el modelo o algoritmo más rentable para satisfacer los requisitos empresariales comunes.

Público objetivo

• Arquitectos en la nube
• Ingenieros de aprendizaje automático

Conocimientos recomendados

• Más de 1 año de experiencia utilizando SageMaker y otros servicios de AWS para ingeniería ML.
• Más de 1 año de experiencia en roles relacionados como desarrollador backend, desarrollador DevOps, ingeniero de datos o científico de datos.
• Comprensión básica de lenguajes de programación, como Python.
• Completar los cursos previos del plan de estudios de AWS ML Engineer Associate.

Resumen del curso

• Sección 1: Introducción
  • Lección 1: Cómo usar este curso
  • Lección 2: Introducción al dominio 2
  • Lección

    Programa de estudio

    ---

    Enseñado por

    ---

    Etiquetas

    united states