課程信息

20,565 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 MLOps
  • Model Training and Deployment with BERT
  • Model Debugging and Evaluation
  • Feature engineering and feature store
  • Artifact 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