- 畅销套餐
- 精选套餐
- 人气套餐
- 尊享套餐
- 高薪套餐
- 课程介绍
- 课程大纲
适合人群:
系统管理人员、系统开发人员、 解决方案架构师、解决方案设计工程师
你将会学到:
轻松体验5个机器学习深度应用实例
课程简介:
本系列课程包含5个Amazon SageMaker应用实例。
您可以将时间序列与多个分组关联,可处理非线性问题和规模问题。
2:基于深度学习迁移学习的端到端图像分类器
您可以基于 Amazon SageMaker的机器学习服务,使用自己的数据来微调一个预训练的图像分类模型并且达到较高的准确率来构建一个车型号分类器。
3:训练因子分解机模型并应用于推荐系统
您可以使用 Amazon SageMaker训练因子分解机模型并应用于推荐电影推荐系统。
4:XGBoost模型进行数据分析和挖掘
您可以利用 Amazon SageMaker XGBoost算法解决分类与回归问题。
5:利用 BlazingText 算法,轻松扩展到大型语言数据集
Amazon SageMaker内置了二十多种机器学习高性能算法,包括线性回归、神经网络、时间序列等,还支持MXNet、TensorFlow、PyTorch等主流深度学习框架。
课程大纲-Amazon SageMaker机器学习系列课程
第1章利用DeepAR进行时间序列预测(19分钟1节)
1-1
利用DeepAR进行时间序列预测您可以将时间序列与多个分组关联,可处理非线性问题和规模问题。了解时序预测的概念、难度,以及时序预测的四种基本算法,其中,将着重学习DeepAR算法。学会在Amazon SageMaker控制台上创建并启用笔记本实例,指定相关的命令参数和训练参数进行训练。模型训练完成后,可以定义预测方法类,并一步调用 API 执行部署,完整学习如何利用DeepAR进行时间序列预测。
[19:14]开始学习第2章基于深度学习迁移学习的端到端图像分类器(16分钟1节)
2-1
基于深度学习迁移学习的端到端图像分类器您可以基于 Amazon SageMaker的机器学习服务,使用自己的数据来微调一个预训练的图像分类模型并且达到较高的准确率来构建一个车型号分类器。学习创建一个 Amazon SageMaker 笔记本实例并创建S3存储桶用来存放本次实验数据。学习使用Jupyter Notebook下载数据集并将其进行数据预处理。学习在Amazon SageMaker Notebook中使用预训练好的模型镜像进行模型微调,并将模型进行部署。调用已部署的模型接口进行在线推理
[16:46]开始学习第3章训练因子分解机模型并应用于推荐系统(14分钟1节)
3-1
训练因子分解机模型并应用于推荐系统您可以使用 Amazon SageMaker训练因子分解机模型并应用于推荐电影推荐系统。学习从参与训练的电影库(26004部)中推荐10部给已存在的用户;学习从参与训练的电影库(26004部)中推荐10部给新用户;学习应用内容筛选并推荐10部电影给已存在的用户。
[14:46]开始学习第4章XGBoost模型进行数据分析和挖掘(22分钟1节)
4-1
XGBoost模型进行数据分析和挖掘您可以利用 Amazon SageMaker XGBoost算法解决分类与回归问题。您将在Amazon SageMaker 控制台中创建笔记本实例,新的S3存储桶及创建角色。学会使用 Amazon SageMaker 笔记本预处理训练机器学习模型所需的数据。学会使用训练数据集训练机器学习模型、模型评估与调参、部署模型及模型推理。
[22:41]开始学习第5章利用 BlazingText 算法,轻松扩展到大型语言数据集(12分钟1节)
5-1
利用 BlazingText 算法,轻松扩展到大型语言数据集Amazon SageMaker内置了二十多种机器学习高性能算法,包括线性回归、神经网络、时间序列等,还支持MXNet、TensorFlow、PyTorch等主流深度学习框架。通过对本课程的学习,您将学会使用Amazon SageMaker服务的BlazingText在一小时内快速训练wiki中文的词向量。不需要自己写算法,不用担心算力、不用担心成本,只要准备好您的数据,Amazon SageMaker都将自动化的构建各种业务的语言模型,为系统提供简单、高效的NLP AI能力集成。
[12:04]开始学习
“亚马逊云课堂”老师的其他课程更多+