이 강좌에 대하여

최근 조회 20,056
유연한 마감일
일정에 따라 마감일을 재설정합니다.
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 3개 강좌 중 2번째 강좌:
고급 단계

Working knowledge of ML & Python, familiarity with Jupyter notebook & stat, completion of the Deep Learning & AWS Cloud Technical Essentials courses

완료하는 데 약 14시간 필요
영어

배울 내용

  • Store and manage machine learning features using a feature store

  • Debug, profile, tune and evaluate models while tracking data lineage and model artifacts

귀하가 습득할 기술

  • ML Pipelines and MLOps
  • Model Training and Deployment with BERT
  • Model Debugging and Evaluation
  • Feature engineering and feature store
  • Artifact and lineage tracking
유연한 마감일
일정에 따라 마감일을 재설정합니다.
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 3개 강좌 중 2번째 강좌:
고급 단계

Working knowledge of ML & Python, familiarity with Jupyter notebook & stat, completion of the Deep Learning & AWS Cloud Technical Essentials courses

완료하는 데 약 14시간 필요
영어

제공자:

Placeholder

deeplearning.ai

Placeholder

Amazon Web Services

강의 계획표 - 이 강좌에서 배울 내용

1

1

완료하는 데 5시간 필요

Week 1: Feature Engineering and Feature Store

완료하는 데 5시간 필요
11개 동영상 (총 40분), 1 개의 읽기 자료, 4 개의 테스트
2

2

완료하는 데 4시간 필요

Week 2: Train, Debug, and Profile a Machine Learning Model

완료하는 데 4시간 필요
8개 동영상 (총 38분), 1 개의 읽기 자료, 3 개의 테스트
3

3

완료하는 데 5시간 필요

Week 3: Deploy End-To-End Machine Learning pipelines

완료하는 데 5시간 필요
8개 동영상 (총 63분), 3 개의 읽기 자료, 3 개의 테스트

검토

BUILD, TRAIN, AND DEPLOY ML PIPELINES USING BERT의 최상위 리뷰

모든 리뷰 보기

Practical Data Science on the AWS Cloud 특화 과정 정보

Practical Data Science on the AWS Cloud

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.