Я рекомендую вам выполнить аудит edX AWS SageMaker. Я не стал бы платить за сертификат, да и вам тоже не рекомендую. Я подробно описываю двадцать один альтернативный ресурс (бесплатный).
Я прохожу курс [1] AWS (Amazon Web Services) Sagemaker Certification EdX.
Вначале я использовал свои стандартные фильтры отзывов: «Хотел бы я это знать». или «Хотелось бы, чтобы это было подчеркнуто».
В некотором смысле, я думаю, что задавал вышеуказанные фильтры обзора. В отличие от моих предыдущих статей, в итоге он оказался коротким списком «Хотел бы я это знать».
Я ПЫТАЮСЬ оставаться нейтральным. Я ПЫТАЮСЬ не записывать свое мнение. Я ПЫТАЮСЬ записывать только факты.
Но после частичного прохождения EdX сертификации AWS Sagemaker я обнаружил, что очень пристрастен. Из-за сильной предвзятости я размышлял, стоит ли мне написать обзор этого курса или просто отказаться от него.
Решил написать отзыв об этом курсе. После четвертого прохождения этой статьи в блоге я осознал предвзятость, выбирая, какой контент нужно детализировать!
Ну что ж.
Факты о курсе EdX AWS Sagemaker "я бы хотел знать это".
Вам не нужно выполнять какие-либо упражнения, чтобы получить сертификат. Все упражнения в EdX AWS Sagemaker необязательны.
Каждому упражнению предшествуют:
Совет. Краткая форма приведенного выше объявления: Если вы используете AWS Sagemaker, с вас будет снята оплата (с вашей кредитной карты).
Для AWS Sagemaker нет уровня бесплатного пользования. Во всех упражнениях этого курса используется AWS Sagemaker.
Совет: Следующие вопросы можно считать подвохом на финале.
Будь осторожен!
Следующее может показаться (некоторым) вопросом с подвохом.
Совет: это не сложно, потому что у вас есть три попытки.
Альтернативные источники обучения
1 неделя
В конце первой недели рекомендуются следующие книги [2]:
Я настоятельно рекомендую вторую книгу для статистики, а также для изучения возможностей языка R.
Для прочного изучения байесовской статистики я рекомендую «MITx: 6.041x Introduction to Probability - The Science of Uncertainty» [3].
Третья книга принадлежит Уэсу МакКинни, первоначальному автору Pandas. Если вы когда-нибудь думали, что будете изменять данные, и если вы будете заниматься машинным обучением, то получите эту книгу.
Существует множество (более 20) книг и руководств, из которых можно изучить Python. Я привожу некоторые из моих любимых в ссылках [4, 5, 6, 7].
Совет: Грок [7] перед любым интервью FANNG (Facebook, Amazon, Netflix, Nvidia, Goggle).
Неделя 2 Amazon SageMaker и Jupyter Notebook
Блокнот Jupyter и его ответвления де-факто являются инструментами Data Science, Machine Learning и Deep Learning [8].
Бесплатный курс машинного обучения [9].
Бесплатные курсы глубокого обучения [10, 11, 12, 13, 14].
Sklearn, TensorFlow, pytorch и другие - это бесплатные фреймворки машинного обучения и глубокого обучения [15, 16, 17] .
Эти платформы можно запускать на GCP (Goggle Cloud Platform) Colab бесплатно [18].
Неделя 3 Выборка моделей машинного обучения
Хороший обзор настройки гиперпараметров:
Краткий обзор кластеризации:
Более подробное исследование kmeans и kmetoids:
XGBoost объясняется в:
4 неделя
Создайте приложение для рекомендации фильмов в Colab [19].
Руководства по Apache MXNet [20].
Руководства по Goggle TensorFlow [16].
Резюме
Вам следует пройти аудит курса, а затем решить, хотите ли вы платить за сертификат.
Удачи. По моему скромному мнению (ИМХО) он вам не понадобится!
использованная литература
[1] AWS: OTP-AWSD4 Amazon SageMaker: упрощение разработки приложений для машинного обучения.
[2] Примечания и ресурсы для недели 1.
[3] MITx: 6.041xВведение в вероятность - наука о неопределенности.
[4] Как думать как компьютерный ученый: обучение с помощью Python.
[5] Код как Pythonista.
[7] Решение проблем с помощью алгоритмов и структур данных с использованием Python.
[8] Jupyter - Краткое руководство.
[9] Введение в машинное обучение для программистов!
[10] 2018, Практическое глубокое обучение для кодеров, часть 1.
[11] 2018, Передовое глубокое обучение для программистов, часть 2.
[12] 2019, Практическое глубокое обучение для программистов, v3.
[13] 2019, Часть 2: Глубокое обучение на основе основ.
[14] 2020, Практическое глубокое обучение для программистов.
[15] Учебники scikit-learn.
[16] Ядро TensorFlow.
[17] ДОБРО ПОЖАЛОВАТЬ В РУКОВОДСТВО ПО PYTORCH.
[18] CS231n Python Tutorial With Google Colab.