AWS Machine Learning Engineering: Model Development and SageMaker

Ang paglipat mula sa mga lokal na prototype ng machine learning patungo sa mga matatag at production-grade na cloud solution ay nangangailangan ng naka-istrukturang diskarte sa pagbuo ng model. Ang kursong ito na nakabatay sa teksto ay gagabay sa iyo sa mga pangunahing konsepto ng engineering ng mga machine learning system sa AWS. Makukuha mo ang mga kasanayan upang piliin ang tamang mga algorithm, i-configure ang mga training job, i-optimize ang performance ng model, at mag-establisa ng mga maaasahang deployment pipeline sa cloud. Ang iyong matututunan: • Unawain ang mga pangunahing serbisyo ng AWS machine learning at mga pangunahing pattern ng arkitektura. • Pumili at mag-configure ng mga algorithm ng SageMaker para sa iba't ibang gawain sa data science. • I-optimize ang performance ng model gamit ang hyperparameter tuning at mga diskarte sa distributed training. • Mag-deploy ng mga model sa mga production endpoint gamit ang mga nasusukat at cost-effective na opsyon sa pagho-host. • Mag-implement ng mga modernong kasanayan sa MLOps, kabilang ang pagsubaybay sa model para sa drift at pag-automate ng pipeline. • Magsanay sa pagsusuri ng mga metric ng model upang matiyak ang mga de-kalidad na hula sa paglipas ng panahon. Nagsisimula ang kurso sa mga mahahalagang terminolohiya, pundasyon ng arkitektura, at mga konsepto ng seguridad sa AWS bago lumipat sa pagsasanay sa model, pag-tune, at mga diskarte sa pag-deploy. Magbabasa ka ng mga detalyadong paliwanag, susuriin ang mga pattern ng arkitektura, at dadaan sa mga praktikal na senaryo na idinisenyo upang buuin ang iyong mga kasanayan. Ang kursong ito ay idinisenyo para sa mga naghahangad na cloud engineer, developer, at data practitioner na bago sa mga serbisyo ng AWS machine learning, nang walang kinakailangang paunang karanasan sa pag-deploy sa cloud. Simulan ang pagbabasa ngayon upang buuin ang iyong pundasyon sa AWS machine learning engineering.