給新手的實用 AWS SageMaker|建構 6 個專案

Contents

1 從這 16 小時的課程，你會學到
2 要求
3 課程說明
4 目標受眾
5 講師簡介
- - 5.0.1 資料科學
  - 5.0.2 外匯交易
6 英文字幕：有
7 報名參加課程
8 也許你會有興趣
9 追蹤 Soft & Share
10 幫我們個小忙！

熟練掌握 AWS SageMaker 演算法(線性學習，XGBoost，PCA，影像分類) ; 學習 SageMaker Studio 和 AutoML

從這 16 小時的課程，你會學到

使用 AWS SageMaker 培訓和部署 AI/ML 模型
基於超參數優化搜尋的模型參數優化
開發、培訓、測試和部署線性迴歸模型以進行預測
利用生產層次多項式迴歸模型( multi-polynomial regression model )，根據給定的特徵值預測店鋪銷售額
開發一個基於深度學習的影像分類模型
開發時間序列預測模型，使用 DeepAR 預測未來產品價格
使用 SageMaker 開發和部署情感分析模型( sentiment analysis model )
部署訓練有素的 NLP 模型，並使用安全 API 進行互動/預測
使用 SageMaker 內建的演算法來訓練和評估物件偵測模型( Object Detection model )

要求

基本的程式設計知識
AWS 的基本知識
機器學習的基本知識

課程說明

機器學習( ML，Machine Learning )和深度學習( DL，Deep Learning )是科技界最熱門的話題！從銀行到醫療保健，從交通到技術，各個領域都採用了 ML 和 DL 技術。

AWS 是全球使用最廣泛的機器學習雲端計算平台之一 — 數家財富 500 強企業的商業運營都有賴於 AWS。

SageMaker 是 AWS 中的一個完全管理的服務，它允許資料科學家和人工智慧從業者快速有效地培訓、測試和部署人工智慧/機器學習模型。

在本課程中，學生將學習如何使用 AWS SageMaker 建立 AI/ML 模型。

專案將涵蓋商業、醫療保健和科技等多個主題。在本課程中，學生將能夠以實際的方式掌握許多主題，例如: (1)資料工程和特徵工程，(2) AI/ML 模型選擇，(3)適當的 AWS SageMaker 演算法選擇來解決商業問題，(4) AI/ML 模型的建立、訓練和部署，(5)模型優化和超參數調整。

本課程涵蓋了資料工程、 AWS 服務和演算法以及實用的 ML/DL 基礎等多個主題:

資料工程: 資料型別、關鍵 python 程式庫(pandas、 Numpy、 scikit Learn、 MatplotLib 和 Seaborn)、資料分佈和特徵工程(填充、分配、編碼和規範化)。
AWS 服務和演算法: Amazon SageMaker，Linear Learner (回歸/分類) ，Amazon S3 儲存服務，梯度增加樹 (XGBoost) ，影像分類，主成分分析分類，SageMaker Studio 和 AutoML。
機器和深度學習基礎: 型別的人工神經網路(ANNs) ，如前饋 ANNs，卷積神經網路(CNNs) ，啟用函數(sigmoid，RELU 和雙曲正切函數) ，機器學習訓練策略(監督/無監督) ，梯度下降演算法，學習率，反向傳播，偏差，方差，偏差-方差權衡，正規化(L1和 L2) ，過度彌合， dropout，特徵偵查器，pooling，批次標準化，消失梯度問題，混淆矩陣，精度，召回率，F1得分，根均方差(RMSE) ，整合學習，決策樹和隨機森林。

我們通過實踐導向的專案教授 SageMaker 大量的 ML 和 DL :

專案# 1: 使用 AWS SageMaker Linear Learner 培訓、測試和部署簡單迴歸模型，以預測員工的薪資
專案# 2: 訓練、測試和部署一個多線性迴歸機器學習模型來預測醫療保險費用。
專案# 3: 使用 XGboost 迴歸和使用 SageMaker 超參數調整工具優化模型超參數，訓練、測試和部署一個模型來預測零售店的銷售額。
專案# 4: 使用 SageMaker 內建的 PCA 演算法執行降維預測，並使用 XGBoost 分類模型建立一個分類器模型來預測心血管疾病。
專案# 5: 使用 Sagemaker 和 Tensorflow 開發交通標誌分類器模型。
專案# 6: AWS SageMaker Studio、 AutoML 和模型除錯的 Deep Dive。

本課程為初學者開發人員也適合資料科學家，只要你想對 AWS SageMaker 有基本的瞭解，希望解決現實世界具有挑戰性的問題，且想建立推薦機器學習、 python 程式設計和 AWS 雲端的基本知識。以下列出適合學習本課程的人 :

新手資料科學家，想要提升他們的職業生涯和建立他們的履歷組合。
經驗豐富的顧問，希望通過使用 SageMaker 利用 AI/ML 來改變企業。
對資料科學和人工智慧充滿熱情和新鮮感的技術愛好者，希望獲得使用 AWS SageMaker 的實際經驗。

今天就去報名，我期待著在裡面見到你。

目標受眾

人工智慧從業者
有抱負的資料科學家
技術愛好者
資料科學顧問

講師簡介

Dr. Ryan Ahmed, Ph.D., MBA 教授和暢銷的 Udemy 講師 ( 更多講師主講課程介紹 )

Ryan Ahmed 是一位熱愛教育和科技的暢銷的 Udemy 教練。Ryan 的使命是讓每個人都能獲得優質的教育，並且負擔得起。Ryan 擁有博士學位。麥克馬斯特大學( McMaster* University )工程學士學位，主修機電一體化和電動汽車（EV）控制。他還獲得了麥克馬斯特應用科學碩士學位，專注於人工智慧（AI）和 DeGroote 商學院的金融 MBA。

Ryan 在全球財富100強公司擔任多個工程職位。最近，他在三星美國擔任系統工程主管，並擔任加拿大菲亞特克萊斯勒汽車公司（FCA）的高級科學研究和實驗開發技術專家。Ryan 已經為全球超過 10,000 多名學生教授了工程、科學、技術和數學方面的幾門課程。他是美國密歇根州底特律 IEEE 交通電氣會議和博覽會（iTEC 2012）最佳論文獎的獲獎者。

Ryan是安大略省斯坦福大學認證專案經理（SCPM）、認證專業工程師（P.Eng。）、汽車工程師協會（SAE）成員、電氣和電子工程師協會（IEEE）會員。他還是美國伊利諾州芝加哥舉辦的2017 IEEE 運輸與電氣化會議（iTEC’17）的項目聯合主席。

*麥克馬斯特大學是僅有的加拿大大學中四所持續排名全球前100名的大學之一。

Kirill Eremenko 資料科學家和外匯系統專家 ( 更多講師主講課程介紹 )

我的名字是 Kirill Eremenko ，你正在讀這讓我超級興奮 !

我在 Udemy 兩個類別的領域授課 : 資料科學和外匯交易。我想你將會對我是否可以提供你最好的訓練有信心，以下是我在這兩個領域的一些背景。