Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Amazon Web Services

No-code Machine Learning and Generative AI on AWS (Includes Labs) (Traditional Chinese)

Amazon Web Services and Amazon via AWS Skill Builder

Overview

Save Big on Coursera Plus. 7,000+ courses at $160 off. Limited Time Only!

使用 Amazon SageMaker Canvas,資料和商業分析師可以準備資料、訓練和部署機器學習 (ML) 模型,而無需任何機器學習經驗或編寫任何一行程式碼。您將學習如何為表格式和時間序列資料建置 ML 模型,且無須深度了解 ML。您也可以在四個實驗室的協助下,練習在課程中學到的內容。

您也將學習使用 Amazon 和其他模型供應商的基礎模型來支援生成式 AI 使用案例,例如文字產生、文字摘要和使用檢索增強生成 (RAG) 聊天。

完成本課程後,您將能夠建置和訓練高度準確的模型,並使用批次推論來產生預測。您也將能夠與資料科學家共用模型,進一步分析並部署到貴公司的 ML 營運管道中。

  • 課程等級:中級
  • 課程時間:10.5 小時


活動

本課程包含線上學習互動、知識檢測和遵循示範。


課程目標

在本課程中,您將學習如何執行下列動作:

  • 描述基本機器學習 (ML) 概念和技術。
  • 識別 ML 生命週期及其階段。
  • 描述 ML 可以解決的問題類型。
  • 識別建置 ML 模型的步驟。
  • 描述用於測量模型預測準確性的指標。
  • 說明如何使用 Amazon SageMaker Canvas 將原始資料轉換為訓練資料集。
  • 描述如何產生資料洞察和了解資料品質。
  • 識別如何使用視覺化工具尋找資料中潛在的錯誤和極端值。
  • 描述使用 AutoML 的 SageMaker Canvas 的模型建置功能。
  • 使用 SageMaker Canvas 啟動模型訓練工作並追蹤其進度。
  • 描述效能報告中可用的模型品質指標。
  • 部署模型並進行預測。
  • 使用 SageMaker Canvas 基礎模型 (FM) 使用者界面 (UI) 進行文字產生、文字摘要和模型比較。
  • 使用 RAG 和微調來識別及解決基礎模型輸出的挑戰。
  • 描述使用 Amazon SageMaker Canvas 時要遵循的最佳實務。


目標對象

本課程適用於下列對象:

  • 資料分析師
  • 非 ML 領域的研究人員
  • 營運研究分析師
  • 初級資料科學家


先決條件

我們建議參加本課程的學員應具備:

  • 分析、清理和轉換表格式或時間序列資料的經驗
  • 統計測量和迴歸的基本知識
  • AWS Technical Essentials 課程

針對生成式 AI 新手的使用者,我們建議以下課程:

  • Introduction to Generative AI - Art of the Possible
  • Planning a Generative AI Project


課程大綱

單元 1:機器學習簡介

如何使用本課程

ML 簡介

  • ML 基礎知識
  • ML 可以解決的問題類型
  • ML 生命週期
  • 處理資料與從其中衍生洞察的挑戰

建置和評估模型

  • 模型建置簡介
  • 模型評估
  • 改善模型效能
  • 模型訓練選項

總結

  • 知識檢測
  • 結論


單元 2:資料分析與準備

如何使用本課程

Amazon SageMaker Canvas 簡介

  • Amazon SageMaker Canvas
  • 分析資料
  • 快速模型分析

資料準備

  • 轉換資料
  • 匯出資料和資料流程

總結

  • 知識檢測
  • 結論


實驗室 1:Amazon SageMaker Canvas - 表格式資料使用案例

實驗室 2:Amazon SageMaker Canvas - 時間序列資料集使用案例


單元 3:使用 SageMaker Canvas 進行模型建置

如何使用本課程

深入探討 Sagemaker Canvas

  • 在 SageMaker Canvas 中建置模型的簡介
  • 在 SageMaker Canvas 中建置模型的進階選項
  • 在 SageMaker Canvas 中評估模型
  • 在 SageMaker Canvas 中進行預測和部署模型

總結

  • 知識檢測
  • 結論


實驗室 3:使用 Amazon SageMaker Canvas 建置自訂模型

實驗室 4:無程式碼 ML 總整實驗室


單元 4:使用 SageMaker Canvas 的生成式 AI

如何使用本課程

SageMaker Canvas 中的基礎模型

  • 使用 Amazon SageMaker Canvas 的生成式 AI
  • SageMaker Canvas 基礎模型
  • 比較基礎模型

緩解 SageMaker Canvas 中的基礎模型挑戰

  • 模型幻覺
  • 檢索增強生成 (RAG)
  • 微調基礎模型

總結

  • 知識檢測
  • 結論


單元 5:SageMaker Canvas 的最佳實務

如何使用本課程

最佳實務

  • 取得 SageMaker Canvas 的存取權
  • 更新 SageMaker Canvas 版本
  • 使用 SageMaker Canvas 節省成本

總結

  • 結論


關鍵字

生成式 AI

生成式 AI

Reviews

Start your review of No-code Machine Learning and Generative AI on AWS (Includes Labs) (Traditional Chinese)

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.