Chevron Left
返回到 Build, Train, and Deploy ML Pipelines using BERT

學生對 deeplearning.ai 提供的 Build, Train, and Deploy ML Pipelines using BERT 的評價和反饋

4.6
星
115 個評分

課程概述

In the second course of the Practical Data Science Specialization, you will learn to automate a natural language processing task by building an end-to-end machine learning pipeline using Hugging Face’s highly-optimized implementation of the state-of-the-art BERT algorithm with Amazon SageMaker Pipelines. Your pipeline will first transform the dataset into BERT-readable features and store the features in the Amazon SageMaker Feature Store. It will then fine-tune a text classification model to the dataset using a Hugging Face pre-trained model, which has learned to understand the human language from millions of Wikipedia documents. Finally, your pipeline will evaluate the model’s accuracy and only deploy the model if the accuracy exceeds a given threshold. 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

SL

2021年7月5日

It is one of course with the exact content required for an working professional who is already working with AWS and want to leverage the benefits of sagemaker for their ML deployment tasks

YV

2021年7月27日

Simple to learn but there are lot of takeaways which helps any data scientist or a machine learning engineer!

篩選依據：

1 - Build, Train, and Deploy ML Pipelines using BERT 的 24 個評論（共 24 個）

創建者 Pablo A B

•

2021年7月5日

創建者 Sneha L

•

2021年7月6日

創建者 Israel T

•

2021年6月19日

創建者 Mark P

•

2021年9月13日

創建者 Magnus M

•

2021年6月14日

創建者 Aleksa B

•

2021年11月2日

創建者 yugesh v

•

2021年7月28日

創建者 RLee

•

2022年7月28日

創建者 Janzaib M

•

2022年4月17日

創建者 The M

•

2022年4月24日

創建者 Ozma M

•

2021年7月18日

創建者 Anzor G

•

2021年12月27日

創建者 Tenzin T

•

2021年9月7日

創建者 John S

•

2021年10月6日

創建者 学洲 刘

•

2022年2月6日

創建者 Alexander M

•

2021年7月22日

創建者 Diego M

•

2021年11月20日

創建者 Burhanudin B

•

2022年6月3日

創建者 Mosleh M

•

2021年8月6日

創建者 Sanjay C

•

2022年1月17日

創建者 Muneeb V

•

2021年12月14日

創建者 Parag K

•

2021年10月22日

創建者 Clashing P

•

2021年10月8日

創建者 Md. W A

•

2022年3月27日

Coursera Footer

開拓職業生涯或促進職業發展

瀏覽熱門主題

熱門課程和文章

在線獲得學位或證書

Coursera

社區

更多

隨時隨地學習
Placeholder
Placeholder
Placeholder