NT 690 特價中
課程已於 2021 年 6 月更新
學習 SageMaker、特徵工程、模型調整和 AWS 機器學習生態系統。 為考試做準備
從這 10 小時的課程,你會學到
✅ 你可以從機器學習專業考試中期待什麼
✅ 亞馬遜公司的內建機器學習演算法(XGBoost,BlazingText,目標檢測,等等)
✅ 特徵工程技術,包括 imputation、binning、binning 和 normalization
✅ 高階的機器學習服務: 理解、翻譯、 Polly、 Transcribe、 Lex、 Rekognition 等等
✅ 使用 S3、 Glue、 Kinesis 和 DynamoDB 進行資料工程
✅ 使用 scikit learn 、 Athena、 Apache Spark 和 EMR 做探索性資料分析
✅ 深度神經網路的深度學習與超參數調整
✅ 使用 SageMaker 自動模型調整和操作
✅ L1 和 L2 正規化
✅ 將安全性最佳實踐應用於機器學習管線( pipelines )
https://softnshare.com/aws-machine-learning/
「l1 normalization」的推薦目錄:
l1 normalization 在 軟體開發學習資訊分享 Facebook 的精選貼文
NT690 特價中
課程已於 2021 年 6 月更新
學習 SageMaker、特徵工程、模型調整和 AWS 機器學習生態系統。 為考試做準備
從這 10 小時的課程,你會學到
✅ 你可以從機器學習專業考試中期待什麼
✅ 亞馬遜公司的內建機器學習演算法(XGBoost,BlazingText,目標檢測,等等)
✅ 特徵工程技術,包括 imputation、binning、binning 和 normalization
✅ 高階的機器學習服務: 理解、翻譯、 Polly、 Transcribe、 Lex、 Rekognition 等等
✅ 使用 S3、 Glue、 Kinesis 和 DynamoDB 進行資料工程
✅ 使用 scikit learn 、 Athena、 Apache Spark 和 EMR 做探索性資料分析
✅ 深度神經網路的深度學習與超參數調整
✅ 使用 SageMaker 自動模型調整和操作
✅ L1 和 L2 正規化
✅ 將安全性最佳實踐應用於機器學習管線( pipelines )
https://softnshare.com/aws-machine-learning/