Salle de classe numérique - Science des données pratique avec Amazon SageMaker

Aperçu

L'intelligence artificielle et l'apprentissage automatique (IA/AA) deviennent courants. Dans ce cours, les étudiants passeront une journée dans la vie d'un data scientist afin de collaborer efficacement avec les data scientists et de créer des applications qui s'intègrent avec l'AA.

Les étudiants apprendront le processus de base utilisé par les data scientists pour développer des solutions d'AA sur Amazon Web Services (AWS) avec Amazon SageMaker. Les étudiants vivront les étapes de construction, d'entraînement et de déploiement d'un modèle d'AA à travers des démonstrations et des laboratoires dirigés par un instructeur.

Programme

• Introduction à la science des données et à l'IA/ML
Aperçu de l'IA/ML dans l'industrie
Rôle des data scientists
Introduction à AWS et Amazon SageMaker
• Préparation des données
Comprendre les exigences en données pour le ML
Collecte et exploration des données
Techniques de nettoyage et de prétraitement des données
• Introduction à Amazon SageMaker
Aperçu des fonctionnalités et services de SageMaker
Navigation dans l'interface SageMaker
Configuration de l'environnement
• Construction de modèles ML
Sélection et configuration d'un algorithme ML
Ingénierie et sélection de caractéristiques
Construction d'un modèle avec SageMaker
• Entraînement des modèles ML
Concepts et méthodologies d'entraînement
Configuration des tâches d'entraînement dans SageMaker
Surveillance et évaluation de l'entraînement du modèle
• Déploiement des modèles ML
Compréhension des points de terminaison et des options de déploiement
Déploiement de modèles avec SageMaker
Intégration avec des applications et services
• Collaboration avec les data scientists
Meilleures pratiques de flux de travail et de communication
Études de cas sur les projets d'IA/ML
• Laboratoires pratiques et démonstrations
Laboratoire : Préparation et exploration des données
Laboratoire : Construction et entraînement de modèles
Laboratoire : Déploiement et test de modèles
• Conclusion et prochaines étapes
Récapitulatif des enseignements clés
Ressources pour aller plus loin
Certifications et voies de carrière en data science

Sujets

Programmation