Chevron Left
Optimize ML Models and Deploy Human-in-the-Loop Pipelines(으)로 돌아가기

deeplearning.ai의 Optimize ML Models and Deploy Human-in-the-Loop Pipelines 학습자 리뷰 및 피드백

4.7
별점
77개의 평가

강좌 소개

In the third course of the Practical Data Science Specialization, you will learn a series of performance-improvement and cost-reduction techniques to automatically tune model accuracy, compare prediction performance, and generate new training data with human intelligence. After tuning your text classifier using Amazon SageMaker Hyper-parameter Tuning (HPT), you will deploy two model candidates into an A/B test to compare their real-time prediction performance and automatically scale the winning model using Amazon SageMaker Hosting. Lastly, you will set up a human-in-the-loop pipeline to fix misclassified predictions and generate new training data using Amazon Augmented AI and Amazon SageMaker Ground Truth. Practical data science is geared towards handling massive datasets that do not fit in your local hardware and could originate from multiple sources. One of the biggest benefits of developing and running data science projects in the cloud is the agility and elasticity that the cloud offers to scale up and out at a minimum cost. The Practical Data Science Specialization helps you develop the practical skills to effectively deploy your data science projects and overcome challenges at each step of the ML workflow using Amazon SageMaker. This Specialization is designed for data-focused developers, scientists, and analysts familiar with the Python and SQL programming languages and want to learn how to build, train, and deploy scalable, end-to-end ML pipelines - both automated and human-in-the-loop - in the AWS cloud....

최상위 리뷰

KK

2022년 2월 15일

Highly technical but beneficial course that allows you to explore resource constraints of an ML application. Thanks for simplifying as much as possible, enjoyed every bit!

LL

2021년 7월 21일

In this course I learn about training, fine-tuning, deploying and monitoring Models in AWS. The ideas about Human-in-the-loop pipelines is pretty cool.

필터링 기준:

Optimize ML Models and Deploy Human-in-the-Loop Pipelines의 21개 리뷰 중 1~21

교육 기관: Alexander M

•

2021년 8월 29일

교육 기관: Diego M

•

2021년 11월 20일

교육 기관: Sanjay C

•

2022년 1월 17일

교육 기관: Mark P

•

2021년 9월 13일

교육 기관: Parag K

•

2021년 10월 22일

교육 기관: YANGYANG C

•

2021년 9월 4일

교육 기관: Chris D

•

2021년 8월 28일

교육 기관: Kaan G K

•

2022년 2월 16일

교육 기관: phoenix c

•

2021년 9월 12일

교육 기관: lonnie

•

2021년 7월 22일

교육 기관: Martin H

•

2022년 3월 23일

교육 기관: Simon h

•

2021년 9월 14일

교육 기관: yugesh v

•

2022년 1월 5일

교육 기관: James H

•

2022년 5월 27일

교육 기관: Kee K Y

•

2021년 8월 7일

교육 기관: k b

•

2022년 1월 31일

교육 기관: Daniel M

•

2022년 1월 16일

교육 기관: Iakovina K

•

2022년 5월 13일

교육 기관: Muhammad D

•

2022년 8월 18일

교육 기관: Antony W

•

2021년 8월 17일

교육 기관: Siddharth S

•

2022년 3월 31일

Coursera Footer

경력을 시작하거나 쌓기

인기 있는 주제 찾아보기

인기 강좌 및 문서

온라인으로 학위 또는 자격증 취득

Coursera

커뮤니티

기타

어디에서나 학습
Placeholder
Placeholder
Placeholder