Machine Learning, Deep Learning + AWS Sagemaker
机器学习、深度学习 + 亚马逊AWS SageMaker
Learn Machine Learning, Deep Learning, Bayesian Learning and Model Deployment with Sagemaker in Python.
学习使用Python中的Sagemaker进行机器学习、深度学习、贝叶斯学习和模型部署。
教程演示🔗
学生数量：16,446 个学生
上次更新时间：2022年7月
教程评分：3.9
教程语言：英语
教程字幕：中文、英语字幕
本课程包括：15 篇文章、结业证书、17.5 小时 长的随选视频、7 个可下载资源、完整的永久访问权、在移动设备和电视上观看字幕
学习内容
1、使用TensorFlow进行深度学习！！！
2、使用PyTorch进行深度学习！！！是的，包括Tensorflow和PyTorch！
3、AWS SageMaker是亚马逊网络服务（Amazon Web Services，AWS）提供的一种机器学习（Machine Learning）平台服务。它使得企业用户能够构建、训练和部署机器学习模型，而无需管理和维护底层基础设施。SageMaker提供了完整的机器学习工作流程支持，包括数据处理、模型训练、调优、部署和监控，同时还提供了各种预训练的模型和开发工具，以加速开发过程。
4、使用Pandas进行数据分析
5、充分利用Scikit-learn的全部功能
6、使用Numpy从头开始编写算法
7、模型部署
8、使用PyMC3进行贝叶斯学习
9、模型诊断
10、自然语言处理(Natural Language Processing, NLP)
11、无监督学习(Unsupervised Learning)
12、使用Spacy进行自然语言处理
13、使用Facebook Prophet进行时间序列建模
14、Python是一种高级编程语言，它以其简洁的语法、易读性强和强大的库支持而闻名。它被广泛用于Web开发、数据科学、人工智能、机器学习、自动化脚本等领域。Python的设计哲学强调代码的可读性和简洁性，使得初学者能够快速上手，同时提供了丰富的工具和框架来支持复杂的应用程序开发。
要求
1、Jupyter Notebook（贾宝玉笔记本）
2、课程资料
3、谷歌驱动链接，包含所有课程资料
4、学习意愿
课程介绍
这是一门关于机器学习、深度学习（使用Tensorflow和PyTorch）以及贝叶斯学习的课程（所有三个主题都在这里！）。我们将同时学习使用PyTorch和Tensorflow进行深度学习。
我们通过pandas分析数据，并使用Numpy从头实现一些算法，如线性回归、分类与回归树（CART）、随机森林和梯度提升树。
课程开始时，我们使用TensorFlow进行深度学习教程，包括前馈神经网络、卷积神经网络（CNN）和循环神经网络（RNN）。对于更高级的深度学习部分，我们会切换到PyTorch配合PyTorch Lightning。
课程注重编程和数学统计两方面，确保你既能应对面试中的理论问题，又能将机器学习知识付诸实践。
我们还会讨论机器学习中的其他关键领域，如无监督学习、时间序列分析和自然语言处理。Scikit-learn是我们整门课程中不可或缺的工具。
我们会花很多时间在特征工程上，确保模型不过度拟合。通过训练集和测试集划分，以及选择合适的评估指标来诊断机器学习（包括深度学习）模型，这一点至关重要。
我还想强调，我们会讲解机器学习部署，因为这是一个很少被提及的话题。成为一名优秀的数据科学家的关键是拥有在生产环境中表现稳定的模型。
希望你喜欢这门课程，如有任何疑问，请随时联系我获取更多信息。
“探索深度学习与机器学习的全能之旅：利用Tensorflow与PyTorch的实战课程。从基础的pandas与Numpy，至深度神经网络（含CNN, RNN），再到Python库Scikit-learn的应用。课程涵盖理论与实践，强化编程能力与数学统计知识。深入探讨无监督学习、时间序列分析及NLP，重视特征工程与模型评估，实战部署技巧不容忽视。让我们共同提升模型在真实环境中的稳定性。立即加入，迈向数据科学专家之路！”
