AWS 机器学习：从基础到实践项目
通过全面的课程和实践项目掌握 AWS 机器学习，将数据转化为可操作的见解
学习内容：
AWS 机器学习简介：了解 AWS 机器学习的基础知识及其主要功能。
数据采购和准备：了解 AML 的生命周期，从数据提取到模型部署。
管理数据质量和变量：解决数据质量问题，包括处理无效值。
实践数据洞察：参与实际练习来创建和管理数据源。
构建和评估 ML 模型：使用 AWS 的高级设置开发和微调机器学习模型。
端到端 ML 项目管理：掌握 AWS 中 ML 对象的创建、管理和评估。
课程内容主题：
亚马逊 AWS
其他 IT 和软件
信息技术与软件
课程要求：
AWS 服务的基本知识：熟悉 S3、EC2 和 IAM 等核心 AWS 服务将会很有帮助。
基础编程技能：建议具备 Python 的基本知识，因为它将用于脚本编写和模型管理。
对机器学习的兴趣：不需要机器学习方面的经验，但对学习如何构建机器学习模型的热情将增强您的经验。
课程详细描述：
在数据驱动决策的时代，掌握机器学习是一项宝贵的技能。本课程旨在带您从 AWS 机器学习 (AML) 的基础知识到实际应用。无论您是该领域的新手还是希望加深知识，本课程都提供了一种结构化且引人入胜的方法来掌握 AWS 的机器学习服务。通过分步指导、真实示例和动手练习，您将获得使用 AWS 实施强大 ML 模型所需的技能。
**分段课程内容：**
**第 1 部分：简介**
本节将为您介绍 AWS Machine Learning (AML)，奠定基础。您将了解 AWS Machine Learning 的主要功能及其如何简化构建、训练和部署机器学习模型的过程，同时明确其在现代数据科学中的作用。
**第 2 部分：数据源**
深入探讨数据采购的关键方面，包括连接到 S3 存储桶、数据库和本地系统，学习如何创建强大的数据方案，为模型训练奠定基础。
**第 3 部分：价值**
学习管理数据集中的无效值、设置变量目标，并了解不同类型的 ML 模型及其适用场景，掌握如何管理数据集、模型和批量预测。
**第 4 节：数据源实践**
通过实践练习，学习在 AML 中创建数据源、设置和管理数据源，并从数据集中提取见解，将原始信息转化为可操作的见解。
**第 5 部分：ML 模型实践**
指导您完成构建、评估和部署机器学习模型的全过程，探索真实示例，学习使用高级设置微调模型，并掌握批量预测的实现方法。
**课程目标：**
完成课程后，您将熟练掌握数据获取、准备和分析，以及在 AWS 上构建和部署机器学习模型，具备在实际场景中应用这些技术的能力。
**适合人群：**
有抱负的数据科学家和机器学习工程师、开发人员和软件工程师、数据分析师和 BI 专业人员、AWS 爱好者和云从业者、技术经理和项目负责人、学生和学者。
