AWS ML Engineer Associate 2.1 Choose a Modeling Approach
AWS Skill Builder
352 Cours
Aperçu
Explorez les couches de la pile AWS ML et apprenez à résoudre les défis commerciaux courants avec les services AWS. Ce cours explore comment utiliser Amazon SageMaker pour les tâches de machine learning et comment examiner des stratégies pour sélectionner des modèles appropriés.
De plus, ce cours met en évidence des scénarios spécifiques pour les solutions ML pré-entraînées Amazon SageMaker JumpStart et vous apprend à optimiser les sélections en fonction des besoins commerciaux. Ce cours abordera également des applications spécifiques pour les solutions ML pré-entraînées Amazon Bedrock et comment identifier la solution intégrée la plus appropriée. Enfin, ce cours explore l'importance de l'interprétabilité dans la sélection des modèles et des algorithmes.
- Niveau du cours : Avancé
- Durée : 1,5 heures
Activités
- Matériels en ligne
- Exercices
- Questions de vérification des connaissances
Objectifs du cours
- Expliquer les avantages et les cas d'utilisation de chaque couche de la pile de machine learning AWS.
- Expliquer comment les services d'intelligence artificielle (IA) AWS aident à résoudre les problèmes commerciaux courants.
- Sélectionner les services d'IA AWS pour répondre aux besoins commerciaux courants.
- Décrire les avantages de l'utilisation de SageMaker pour le machine learning.
- Identifier des cas d'utilisation spécifiques pour les algorithmes intégrés de SageMaker.
- Choisir les algorithmes de modèle de machine learning les plus appropriés pour résoudre les besoins commerciaux courants.
- Identifier des cas d'utilisation spécifiques pour les solutions de machine learning pré-entraînées SageMaker JumpStart.
- Choisir la solution de machine learning intégrée SageMaker JumpStart la plus appropriée pour résoudre les besoins commerciaux courants.
- Décrire le rôle de l'interprétabilité dans la sélection des modèles ou des algorithmes.
- Sélectionner les modèles ou algorithmes les plus rentables pour résoudre les besoins commerciaux courants.
Audience cible
- Architectes cloud
- Ingénieurs en apprentissage automatique
Compétences recommandées
- Avoir au moins 1 an d'expérience dans l'utilisation de SageMaker et d'autres services AWS pour l'ingénierie ML
- Avoir au moins 1 an d'expérience dans un rôle connexe tel que développeur logiciel backend, développeur DevOps, ingénieur en données ou data scientist
- Une compréhension fondamentale des langages de programmation tels que Python
- Avoir terminé les cours précédents dans le plan de formation AWS ML Engineer Associate
Plan du cours
Section 1 : Introduction
- Leçon 1 : Comment utiliser ce cours
- Leçon 2 : Introduction au domaine 2
- Leçon 3 : Aperçu du cours
- Leçon 4 : Choisir une approche de modélisation
Section 2 : Approches de modélisation
- Leçon 5 : Services d'IA AWS
- Leçon 6 : Algorithmes intégrés d'Amazon SageMaker
- Leçon 7 : Solutions ML d'Amazon SageMaker JumpStart
- Leçon 8: Solutions ML d'
Programme
Enseigné par
Étiquettes
