在这个 AWS ML Engineer Associate Curriculum 的入门课程中，您将回顾机器学习 (ML) 基础知识并研究 ML 和 AI 的演变。您将探索 ML 生命周期的初始步骤，确定业务目标并根据该业务目标制定 ML 问题。最后，您将了解 Amazon SageMaker，这是一项完全托管式 AWS 服务，可用于构建、训练和部署 ML 模型。
- 课程级别：高级
- 时长：45 分钟
注意：本课程具有本地化的注释/字幕。 旁白保留英语。要显示字幕，请单击播放器右下角的 CC 按钮。
课程内容
- 线上资料
- 练习
- 知识考核问题
课程目标
- 定义关键的机器学习组成部分，包括 ML 算法和模型。
- 确定有助于解决常见业务问题的关键 ML 功能和算法。
- 阐述人工神经网络 (ANN) 如何助力深度学习。
- 阐述基础模型 (FM) 和大型语言模型 (LLM) 如何助力生成式 AI。
- 确定负责任地使用 ML 和 AI 的方法。
- 根据可用数据和问题复杂性确定 ML 解决方案的可行性。
- 确定 Amazon SageMaker 和 Amazon SageMaker Studio 的关键概念和优势。
培训对象
- 云架构师
- 机器学习工程师
建议具备的技能
- 拥有至少 1 年使用 SageMaker 和其他 AWS 服务进行 ML 工程工作的经验
- 拥有至少 1 年相关职位（例如后端软件开发人员、DevOps 开发人员、数据工程师或数据科学家）的工作经验
- 对 Python 等编程语言有基本的了解。
- 已完成 AWS ML Engineer Associate 学习路径的前几门课程
课程大纲
- 第 1 部分：简介
- 第 1 课：如何学习本课程
- 第 2 课：课程简介
- 第 3 课：课程概览
- 第 2 部分：AWS 上的机器学习
- 第 4 课：ML 算法和模型
- 第 5 课：下一代 ML
- 第 6 课：负责任地使用 AI/ML
- 第 7 课：制定业务问题
- 第 8 课：使用 SageMaker Studio 开发 ML 解决方案
- 第 3 部分：总结
- 第 9 单元：课程总结
- 第 10 课：联系我们
