Kursbeschreibung
Dieser Kurs enthält Komponenten, die für die erfolgreiche organisatorische Einführung von Machine Learning (ML) erforderlich sind.
• Kursstufe: Grundlagenkurs
• Dauer: 30 Minuten
Hinweis: Dieser Kurs verfügt über lokalisierte Transkripte/Untertitel. Der Vortrag ist auf Englisch.
Um Untertitel anzuzeigen, klicken Sie auf die Schaltfläche CC in der rechten unteren Ecke des Players.
Aktivitäten
Dieser Kurs beinhaltet Präsentationen, Videos und Wissenstests.
Kursziele
Inhalte dieses Kurses:
• Beschreiben, wie eine Organisation angepasst werden kann, um mit ML Erfolg zu erzielen und diesen aufrechtzuerhalten
Zielgruppe
Dieser Kurs ist für folgende Zielgruppen konzipiert:
• Nichttechnische Führungskräfte und andere geschäftliche Entscheidungsträger, die an ML-Projekten beteiligt sind oder sein werden
• Teilnehmer des Programms „AWS Machine Learning Embark“ und der Discovery-Workshops für Machine Learning Solutions Lab (MLSL)
Voraussetzungen
Idealerweise erfüllen die Kursteilnehmer folgende Voraussetzungen:
• Introduction to Machine Learning: Art of the Possible
• Planen eines Machine-Learning-Projekts
Kursinhalt
Modul 1: Wie kann ich meine Organisation auf die Verwendung von ML vorbereiten?
• Wie kann ich meine Organisation auf die Verwendung von ML vorbereiten?
• Wie kann AWS mir helfen?
• Welche anderen Strategien kann ich anwenden, um den organisatorischen Erfolg sicherzustellen?
• Welcher Ansatz für einen kulturellen Wandel funktioniert für meine Organisation?
Modul 2: Wie bewerte ich meine Datenstrategie?
• Wie bewerte ich meine Datenstrategie?
• Wie kann ich meine Datenstrategie verbessern?
Modul 3: Wie schaffe ich eine Kultur des Lernens und der Zusammenarbeit?
• Wie schaffe ich eine Kultur des Lernens und der Zusammenarbeit?
• Was ist ein Datenwissenschaftler?
• Welche Fähigkeiten sollte ein Datenwissenschaftler haben?
• Wie sieht ein Pilot-ML-Team aus?
• Welche anderen unterstützenden Rollen brauche ich?
• Was sind die wichtigsten Verantwortlichkeiten?
Modul 4: Wie beginne ich meine ML-Reise?
• Wie beginne ich meinen ML-Prozess?
• Wie sieht der ML-Prozess einer Organisation aus?
• Was ist ein Beispiel für einen Business Case für den Fortschritt einer Organisation?
Modul 5: Fazit