課程信息

18,626 次近期查看
可靈活調整截止日期
根據您的日程表重置截止日期。
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 2 門課程(共 3 門)
高級

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

完成時間大約為14 小時
英語(English)

您將學到的內容有

  • Store and manage machine learning features using a feature store

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

您將獲得的技能

ML Pipelines and MLOpsModel Training and Deployment with BERTModel Debugging and EvaluationFeature engineering and feature storeArtifact and lineage tracking
可靈活調整截止日期
根據您的日程表重置截止日期。
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 2 門課程(共 3 門)
高級

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

完成時間大約為14 小時
英語(English)

提供方

Placeholder

deeplearning.ai

Placeholder

亚马逊网络服务系统

授課大綱 - 您將從這門課程中學到什麼

1

1

完成時間為 5 小時

Week 1: Feature Engineering and Feature Store

完成時間為 5 小時
11 個視頻 (總計 40 分鐘), 1 個閱讀材料, 4 個測驗
2

2

完成時間為 4 小時

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

完成時間為 4 小時
8 個視頻 (總計 38 分鐘), 1 個閱讀材料, 3 個測驗
3

3

完成時間為 5 小時

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

完成時間為 5 小時
8 個視頻 (總計 63 分鐘), 3 個閱讀材料, 3 個測驗

審閱

來自 BUILD, TRAIN, AND DEPLOY ML PIPELINES USING BERT的熱門評論

查看所有評論

關於 Practical Data Science 專項課程

Practical Data Science

常見問題

還有其他問題嗎?請訪問 學生幫助中心