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

Aperçu

Découvrez comment examiner la pile AWS ML et utiliser les services AWS pour résoudre des problèmes commerciaux courants. Ce cours vous montrera comment utiliser Amazon SageMaker pour les tâches d'apprentissage automatique et comment évaluer les stratégies pour choisir le bon modèle.

Il explique également des scénarios spécifiques pour les solutions ML pré-entraînées Amazon SageMaker JumpStart et comment optimiser les choix pour répondre aux exigences commerciales.

En outre, il explore des applications spécifiques pour les solutions ML pré-entraînées Amazon Bedrock et identifie les solutions intégrées les plus appropriées. Enfin, il souligne l'importance de l'interprétabilité dans le choix des modèles et des algorithmes.

• Niveau du cours :

  300

• Durée :

  1 heure 30 minutes

Remarque :

les vidéos de ce cours incluent des transcriptions ou sous-titres en coréen et l'audio se fait en anglais.

Pour activer les sous-titres, cliquez sur le bouton CC en bas à droite de la vidéo.

Ce cours est optimisé pour Google Chrome (les 2 dernières versions principales), Microsoft Edge (les 2 dernières versions principales) et Safari (les 2 dernières versions principales).

Activités

• Ressources en ligne
• Atelier pratique
• Questions de vérification des connaissances

Objectifs du cours

• Expliquer les avantages et les cas d'utilisation de chaque couche de la pile AWS ML.
• Décrire comment les services d'intelligence artificielle (AI) AWS peuvent aider à résoudre des problèmes commerciaux courants.
• Sélectionner les services AI AWS pour répondre à des exigences commerciales courantes.
• Décrire les avantages de l'utilisation de SageMaker pour l'apprentissage automatique.
• Identifier des cas d'utilisation spécifiques pour les algorithmes intégrés SageMaker.
• Sélectionner les algorithmes de modèle de machine learning les plus adaptés pour répondre à des besoins commerciaux communs.
• Identifier des cas d'utilisation spécifiques pour les solutions de machine learning pré-entraînées SageMaker JumpStart.
• Choisir les solutions de machine learning intégrées SageMaker JumpStart les plus adaptées pour répondre à des besoins commerciaux courants.
• Expliquer le rôle que joue l'interprétabilité dans le choix des modèles ou des algorithmes.
• Sélectionner le modèle ou l'algorithme le plus rentable pour répondre à des besoins commerciaux communs.

Public cible

• Architectes Cloud
• Ingénieurs en apprentissage automatique

Compétences recommandées

• Plus d'un an d'expérience dans l'utilisation de SageMaker et d'autres services AWS pour l'ingénierie ML.
• Expérience d'au moins un an dans un rôle pertinent tel que développeur back-end, développeur DevOps, ingénieur de données ou scientifique des données.
• Compréhension de base des langages de programmation tels que Python.
• Avoir suivi les cours précédents du plan de formation AWS ML Engineer Associate.

Vue d'ensemble du cours

• Section 1 :

  Introduction

  • Leçon 1 :

    Comment utiliser ce cours

  • Leçon 2 :

    Introduction à la Zone 2

  • Leçon

    ---

    Sujets