在這三門課程中，您將了解機器學習 (ML) 的最佳實務與建議。本課程探討如何將 ML 整合到您的商業流程中的藍圖、探討需求以判斷 ML 是否為適合商業問題的解決方案，並描述成功組織採用 ML 所需的元件。
- 課程等級：基礎
- 持續時間：90 分鐘
注意：本課程具有本地化的註釋/字幕。旁白保留英語。要顯示字幕，請按一下播放器右下角的 CC 按鈕。
活動
本課程包含具有簡報、影片和知識評定的課程。
課程目標
在本課程中，您將學習：
- 了解機器學習的基礎知識，以協助評估在各種商業案例中採用 ML 的相關優點和風險
- 識別成功 ML 專案的資料、時間和生產需求
- 描述如何使用 ML 調整組織以達到並維持成功
目標對象
本課程適用於：
- 正在或將要參與 ML 專案的非技術業務主管和其他商業決策者
- AWS Machine Learning Embark 計劃的參與者，以及機器學習解決方案實驗室 (MLSL) 探索研討會
先決條件
我們建議此課程的參加者具備以下知識：
- 電腦及電腦系統的基本知識
- 機器學習概念的一些基本知識
課程大綱
課程 1：機器學習簡介：實現各種可能性
單元 1：機器學習如何提供協助？
- 定義機器學習
- 描述推動 ML 專案的正面回饋迴圈 (飛輪)
- 描述受機器學習影響的不同商業領域
- 描述機器學習在利用率不足的市場中的潛力
單元 2：機器學習如何運作？
- 描述人工智慧
- 描述人工智慧與機器學習之間的差異
單元 3：機器學習有哪些潛在問題？
- 描述簡單和複雜模型之間的差異
- 了解機器學習模型的無法解釋性和不確定性問題
單元 4：結論
課程 2：規劃機器學習專案
單元 1：機器學習解決方案是否適合我的問題？
- 說明如何判斷 ML 是否為適合您商業問題的解決方案
單元 2：我的資料是否準備好進行機器學習？
- 描述確保您的資料已準備好進行機器學習的程序
單元 3：機器學習如何影響專案時間表？
- 說明 ML 如何影響專案時間表
單元 4：部署時應該提出哪些早期問題？
- 識別影響 ML 部署的問題
單元 5：結論
課程 3：建立成功採用機器學習的組織
單元 1：如何讓我的組織準備好使用 ML？
- 如何讓我的組織準備好使用 ML？
- AWS 能提供什麼協助？
- 我可以採取其他哪些策略來確保組織成功？
- 哪種文化轉變方法適用於我的組織？
單元 2：如何評估我的資料策略？
- 如何評估我的資料策略？
- 如何改善我的資料策略？
單元 3：如何建立學習與協作的文化？
- 如何建立學習與協作的文化？
- 什麼是資料科學家？
- 資料科學家應該具備哪些技能？
- 試行 ML 團隊是什麼樣子？
- 我還需要其他哪些支援角色？
- 主要職責是什麼？
單元 4：如何展開我的機器學習之旅？
- 如何展開我的機器學習之旅？
- 組織的機器學習之旅是什麼樣子？
- 什麼是組織進步的商業案例範例？
單元 5：結論
