课程信息

18,375 次近期查看
可灵活调整截止日期
根据您的日程表重置截止日期。
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
高级

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

完成时间大约为11 小时
英语(English)

您将学到的内容有

  • Store and manage machine learning features using a feature store

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

您将获得的技能

  • ML Pipelines and MLOps
  • Model Training and Deployment with BERT
  • Model Debugging and Evaluation
  • Feature engineering and feature store
  • Artifact and lineage tracking
可灵活调整截止日期
根据您的日程表重置截止日期。
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
高级

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

完成时间大约为11 小时
英语(English)

提供方

Placeholder

deeplearning.ai

Placeholder

亚马逊网络服务系统

授课大纲 - 您将从这门课程中学到什么

1
1
完成时间为 3 小时

Week 1: Feature Engineering and Feature Store

完成时间为 3 小时
11 个视频 (总计 40 分钟), 2 个阅读材料, 4 个测验
2
2
完成时间为 3 小时

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

完成时间为 3 小时
8 个视频 (总计 38 分钟), 1 个阅读材料, 3 个测验
3
3
完成时间为 4 小时

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

完成时间为 4 小时
8 个视频 (总计 63 分钟), 3 个阅读材料, 3 个测验

审阅

来自 BUILD, TRAIN, AND DEPLOY ML PIPELINES USING BERT的热门评论

查看所有评论

关于 Practical Data Science on the AWS Cloud 专项课程

Practical Data Science on the AWS Cloud

常见问题

还有其他问题吗?请访问 学生帮助中心