课程信息

19,311 次近期查看
可灵活调整截止日期
根据您的日程表重置截止日期。
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
第 2 门课程(共 3 门)
高级

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

完成时间大约为14 小时
英语(English)

您将学到的内容有

  • Store and manage machine learning features using a feature store

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

您将获得的技能

  • ML Pipelines and MLOps
  • Model Training and Deployment with BERT
  • Model Debugging and Evaluation
  • Feature engineering and feature store
  • Artifact and lineage tracking
可灵活调整截止日期
根据您的日程表重置截止日期。
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
第 2 门课程(共 3 门)
高级

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

完成时间大约为14 小时
英语(English)

提供方

Placeholder

deeplearning.ai

Placeholder

亚马逊网络服务系统

授课大纲 - 您将从这门课程中学到什么

1

1

完成时间为 5 小时

Week 1: Feature Engineering and Feature Store

完成时间为 5 小时
11 个视频 (总计 40 分钟), 1 个阅读材料, 4 个测验
2

2

完成时间为 4 小时

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

完成时间为 4 小时
8 个视频 (总计 38 分钟), 1 个阅读材料, 3 个测验
3

3

完成时间为 5 小时

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

完成时间为 5 小时
8 个视频 (总计 63 分钟), 3 个阅读材料, 3 个测验

审阅

来自 BUILD, TRAIN, AND DEPLOY ML PIPELINES USING BERT的热门评论

查看所有评论

关于 Practical Data Science 专项课程

Practical Data Science

常见问题

还有其他问题吗?请访问 学生帮助中心