Chevron Left
返回到 Optimize ML Models and Deploy Human-in-the-Loop Pipelines

學生對 deeplearning.ai 提供的 Optimize ML Models and Deploy Human-in-the-Loop Pipelines 的評價和反饋

4.7
87 個評分

課程概述

In the third course of the Practical Data Science Specialization, you will learn a series of performance-improvement and cost-reduction techniques to automatically tune model accuracy, compare prediction performance, and generate new training data with human intelligence. After tuning your text classifier using Amazon SageMaker Hyper-parameter Tuning (HPT), you will deploy two model candidates into an A/B test to compare their real-time prediction performance and automatically scale the winning model using Amazon SageMaker Hosting. Lastly, you will set up a human-in-the-loop pipeline to fix misclassified predictions and generate new training data using Amazon Augmented AI and Amazon SageMaker Ground Truth. Practical data science is geared towards handling massive datasets that do not fit in your local hardware and could originate from multiple sources. One of the biggest benefits of developing and running data science projects in the cloud is the agility and elasticity that the cloud offers to scale up and out at a minimum cost. The Practical Data Science Specialization helps you develop the practical skills to effectively deploy your data science projects and overcome challenges at each step of the ML workflow using Amazon SageMaker. This Specialization is designed for data-focused developers, scientists, and analysts familiar with the Python and SQL programming languages and want to learn how to build, train, and deploy scalable, end-to-end ML pipelines - both automated and human-in-the-loop - in the AWS cloud....

熱門審閱

KK

2022年2月15日

Highly technical but beneficial course that allows you to explore resource constraints of an ML application. Thanks for simplifying as much as possible, enjoyed every bit!

MH

2022年3月22日

Perfect. The vocareum labs are very helpful, whenever not understood in detail by some programming stuff. I will have a second look to them.

篩選依據:

1 - Optimize ML Models and Deploy Human-in-the-Loop Pipelines 的 22 個評論(共 22 個)

創建者 Alexander M

2021年8月29日

創建者 Diego M

2021年11月20日

創建者 Sanjay C

2022年1月17日

創建者 Mark P

2021年9月13日

創建者 Parag K

2021年10月22日

創建者 YANGYANG C

2021年9月4日

創建者 Chris D

2021年8月28日

創建者 Kaan G K

2022年2月16日

創建者 phoenix c

2021年9月12日

創建者 lonnie

2021年7月22日

創建者 Martin H

2022年3月23日

創建者 Simon h

2021年9月14日

創建者 yugesh v

2022年1月5日

創建者 James H

2022年5月27日

創建者 Kee K Y

2021年8月7日

創建者 k b

2022年1月31日

創建者 Daniel M

2022年1月16日

創建者 Iakovina K

2022年5月13日

創建者 Muhammad D

2022年8月18日

創建者 Mauricio S V F

2022年11月27日

創建者 Antony W

2021年8月17日

創建者 Siddharth S

2022年3月31日