在这三门课程中,您将学到机器学习 (ML) 的最佳实践和建议。本课程探讨了如何制定路线图将机器学习(ML)集成到业务流程中,探讨了在确定机器学习(ML)能否成为业务问题适当解决方案时的需求,并解释了企业成功采用机器学习(ML)所需的组件。
- 课程级别:基础
- 时长:90 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。
活动
本课程系列包括讲解、视频和知识评估课程。
课程目标
在本课程中,您将学习:
- 了解机器学习的基本知识,以帮助评估各种商业案例中采用机器学习(ML)的相关益处和风险
- 确定成功的机器学习(ML)项目所需的数据、时间和生产需求
- 描述如何使用机器学习(ML)调整企业以实现和维持成功
目标受众
本课程面向:
- 非技术业务主管和其他正在或将要参与机器学习(ML)项目的业务决策者
- AWS Machine Learning Embark 计划和机器学习解决方案实验室 (MLSL) 发现研讨会的参与者
先决条件
我们建议符合以下条件的人员参加本课程:
- 电脑和电脑系统的基本知识
- 机器学习概念的一些基本知识
课程大纲
课程 1:机器学习入门:潜在的艺术
模块 1。机器学习有哪些帮助?
- 定义机器学习
- 解释驱动机器学习(ML)项目的正反馈循环(飞轮)
- 解释受机器学习影响的不同业务领域
- 解释机器学习在未充分利用的市场中的潜力
模块 2。机器学习如何运作?
- 解释人工智能
- 解释人工智能和机器学习的区别
模块 3。机器学习有哪些潜在问题?
- 解释简单模型和复杂模型之间的区别
- 用机器学习模型理解不可解释性和不确定性问题
模块 4。结论
课程 2:规划机器学习项目
模块 1。机器学习解决方案是否适合我的问题?
- 解释如何确定机器学习(ML)是否是解决业务问题的适当解决方案
模块 2。我的数据是否为机器学习准备就绪?
- 解释确保数据为机器学习(ML)准备就绪的过程
模块 3。机器学习将如何影响项目时间表?
- 解释机器学习(ML)如何影响项目时间表
模块 4。在部署中,我应该提前思考哪些问题?
- 确定要思考的影响机器学习(ML)部署的问题
模块 5。结论
课程 3:构建支持机器学习的企业
模块 1。如何让我的企业准备好使用机器学习(ML)?
- 如何让我的企业准备好使用机器学习(ML)?
- AWS 如何为我提供帮助?
- 我还可以采取哪些策略来确保企业成功?
- 哪种文化转变方法适用于我的企业?
模块 2。如何评估我的数据策略?
- 如何评估我的数据策略?
- 如何改进我的数据策略?
模块 3。如何营造学习和协作的文化?
- 如何营造学习和协作的文化?
- 什么是数据科学家?
- 数据科学家应该具备哪些技能?
- 机器学习(ML)试点团队是什么样的?
- 我还需要哪些支持角色?
- 主要职责有哪些?
模块 4。如何开启我的机器学习(ML)之旅?
- 如何开启我的机器学习(ML)之旅?
- 企业的机器学习(ML)之旅是什么样的?
- 企业进展的业务案例示例是什么?
模块 5。结论