مطالب پیشنهادی از سراسر وب

یادگیری Amazon SageMaker

دسته بندی ها: وب سرویس آمازون (AWS) ، آموزش های لینکدین (LinkedIn) ، آموزش شبکه (Computer network)

SageMaker راهکار آمازون برای توسعه دهندگانی است که می خواهند مدل های یادگیری ماشینی پیش بینی کننده را در یک محیط تولید مستقر کنند. برنامه نویسی با پایتون انجام می شود و نتایج می توانند به راحتی در برنامه های مبتنی بر ابر یکپارچه شوند. این دروس کل جریان کار Amazon SageMaker را مرور می کنند: تحلیل، ساخت و استقرار نهایی. مدرس دوره Martin Kemka مزایای Amazon SageMaker را معرفی و رابط کاربری و مجموعه ابزارهای مبتنی بر مرورگر آن را مرور می کند. او در فصل دوم، نحوه واردات، بررسی، مصورسازی و خلاصه سازی داده های شما را نشان می دهد. مرحله بعدی استفاده از یک نمونه داده تمیز برای آموزش یک مدل یادگیری ماشینی برای انجام یک تسک پایه است. در پایان، نحوه استقرار مدل را نشان می دهد. تقریباً هر فصل با یک چالش خاتمه می یابد که به شما امکان می دهد مهارت های جدید SageMaker خود را تمرین کنید.

نتیجه

ترجمه با ویدابیا

ترجمه فارسی این دوره آموزشی رو همین الان از ویدابیا سفارش بده الان سفارش بده
آیا این نوشته را دوست داشتید؟
Linkedin Learning Amazon SageMaker Author:Martin Kemka Duration:1:11:54 Level:INTERMEDIATE

SageMaker is Amazon’s solution for developers who want to deploy predictive machine learning models into a production environment. Programming is done in Python and the results can easily be integrated into cloud-based applications. These lessons review the entire Amazon SageMaker workflow: analysis, build, and final deployment. Instructor Martin Kemka introduces the benefits of Amazon SageMaker and reviews its browser-based interface and toolset. In the second chapter, he shows how to import, investigate, visualize, and summarize your data. The next stage is to use a clean data sample to train a machine learning model to fulfill a basic task. Finally, Martin shows how the model is deployed. Almost every chapter concludes with a challenge that allows you to practice your new SageMaker skills.

پیشنهاد آموزش مرتبط در فرادرس