在关于机器学习的这门课程中，您将了解机器学习生命周期，以及如何在每个阶段使用 AWS 服务。此外，您将了解机器学习模型的各种来源，并学习评估其性能的各种方法。您还将了解机器学习运维 (MLOps) 在简化机器学习项目的开发和部署方面的重要性。
- 课程级别：基础级
- 时长：1 小时
课程内容
本课程包含互动元素、文字说明、配文图表和知识考核。
课程目标
在本课程中，您将学习如何：
- 描述机器学习生命周期的组成部分。
- 了解 ML 生命周期每个阶段的相关 AWS 服务和功能。
- 说明用于训练人工智能 (AI) 模型的数据类型。
- 了解机器学习模型的来源。
- 了解模型性能指标。
- 介绍在生产环境中使用模型的方法。
- 了解 MLOps 的基本概念。
培训对象
本课程面向以下人员：
- 对机器学习和人工智能感兴趣的个人，工作岗位不限
前提条件
Developing Machine Learning Solutions 是旨在讲授人工智能、机器学习和生成式人工智能基础知识的系列课程的一部分。如果您尚未完成以下两门课程，建议您先完成：
- Fundamentals of Machine Learning and Artificial Intelligence
- Exploring Artificial Intelligence Use Cases and Applications
课程大纲
- 第 1 课：如何学习本课程
- 第 2 课：简介
- 第 3 课：机器学习开发生命周期
- 第 4 课：使用 Amazon SageMaker 开发 ML 解决方案
- 第 5 课：ML 模型的来源
- 第 6 课：机器学习模型性能评估
- 第 7 课：模型部署
- 第 8 课：MLOps 的基本概念
- 第 9 课：知识考核
- 第 10 课：资源
- 第 11 课：总结
- 第 12 课：联系我们
