AWS Machine Learning Engineering: Model Development and SageMaker

Przejście od lokalnych prototypów uczenia maszynowego do solidnych, gotowych do produkcyjnych rozwiązań w chmurze wymaga uporządkowanego podejścia do rozwoju modeli. Ten kurs tekstowy przeprowadzi Cię przez kluczowe pojęcia związane z inżynierią systemów uczenia maszynowego w AWS. Zyskasz umiejętności dobierania odpowiednich algorytmów, konfigurowania zadań treningowych, optymalizacji wydajności modeli oraz tworzenia niezawodnych potoków wdrażania w chmurze. Czego się nauczysz: • Zrozumienie podstawowych usług uczenia maszynowego AWS i kluczowych wzorców architektonicznych. • Wybór i konfiguracja algorytmów SageMaker do różnych zadań data science. • Optymalizacja wydajności modeli za pomocą dostrajania hiperparametrów i technik treningu rozproszonego. • Wdrażanie modeli do produkcyjnych punktów końcowych przy użyciu skalowalnych i opłacalnych opcji hostingu. • Wdrażanie nowoczesnych praktyk MLOps, w tym monitorowania modeli pod kątem dryftu oraz automatyzacji potoków. • Praktyka w ocenie metryk modeli w celu zapewnienia wysokiej jakości predykcji w czasie. Kurs rozpoczyna się od istotnej terminologii, fundamentów architektonicznych oraz pojęć bezpieczeństwa w AWS, a następnie przechodzi do strategii treningu, dostrajania i wdrażania modeli. Przeczytasz szczegółowe wyjaśnienia, przeanalizujesz wzorce architektoniczne i przećwiczysz praktyczne scenariusze zaprojektowane z myślą o budowaniu Twoich umiejętności. Ten kurs jest przeznaczony dla przyszłych inżynierów chmury, deweloperów oraz praktyków danych, którzy dopiero poznają usługi uczenia maszynowego AWS i nie wymagają wcześniejszego doświadczenia we wdrażaniu w chmurze. Zacznij czytać już dzisiaj, aby zbudować swoje fundamenty w inżynierii uczenia maszynowego AWS.