AWS ML Engineer Associate 2.1 Choose a Modeling Approach (Japanese)

AWS の ML スタックレイヤーを確認し、AWS サービスを使用して一般的なビジネス課題を解決する方法を学びましょう。このコースでは、Amazon SageMaker を機械学習タスクに使用する方法と、適切なモデルを選択するための戦略を確認する方法について説明します。

さらに、このコースでは、事前にトレーニングされた Amazon SageMaker JumpStart ML ソリューションの特定のシナリオに焦点を当て、ビジネスニーズに合わせて選択を最適化する方法を説明します。このコースでは、事前にトレーニングされた Amazon Bedrock ML ソリューションの具体的な用途についても説明し、最適な組み込みソリューションを特定する方法を紹介します。最後に、モデルまたはアルゴリズムの選択における解釈可能性の重要性について説明します。

• コースレベル: 300
• 所要時間: 1 時間 30 分

アクティビティ

• オンライン資料
• 演習
• ナレッジチェックの問題

コースの目標

• AWS 機械学習スタックの各レイヤーの利点とユースケースを明確に説明する。
• AWS 人工知能 (AI) サービスが一般的なビジネス問題の解決にどのように役立つかを説明する。
• 一般的なビジネスニーズを解決するために AWS AI サービスを選択する。
• Amazon SageMaker を機械学習に使用することの利点を説明する。
• Amazon SageMaker 組み込みアルゴリズムの具体的なユースケースを特定する。
• 一般的なビジネスニーズの解決に最適な機械学習モデルアルゴリズムを選択する。
• 事前にトレーニングされた Amazon SageMaker JumpStart 機械学習ソリューションの具体的なユースケースを特定する。
• 一般的なビジネスニーズの解決に最適な SageMaker JumpStart 組み込み機械学習ソリューションを選択する。
• モデルまたはアルゴリズムを選択する際に解釈可能性が果たす役割を説明する。
• 一般的なビジネスニーズを解決するうえで最もコスト効率の高いモデルまたはアルゴリズムを選択する。

対象者

• クラウドアーキテクト
• 機械学習エンジニア

推奨スキル

• SageMaker およびその他の AWS サービスを機械学習エンジニアリングに使用した経験が 1 年以上あること
• バックエンドソフトウェアデベロッパー、DevOps デベロッパー、データエンジニア、データサイエンティストなどの関連職での経験が 1 年以上あること
• Python などのプログラミング言語に関する基本的な理解
• AWS ML エンジニアアソシエイトの学習プランの以前のコースを修了していること

コースの概要

• セクション 1: はじめに

o    レッスン 1: このコースの使用方法

o    レッスン 2: 分野 2 の概要

o    レッスン 3: コースの概要

o    レッスン 4: モデリングアプローチの選択

• セクション 2: モデリングアプローチ

o    レッスン 5: AWS AI サービス

o    レッスン 6: Amazon SageMaker の組み込みアルゴリズム

o    レッスン 7: Amazon SageMaker JumpStart の ML ソリューション

o    レッスン 8: Amazon Bedrock の ML ソリューション

o    レッスン 9: モデルの選択に関する考慮事項

• セクション 3: まとめ

o    レッスン 10: コースのまとめ

o    レッスン 11: 評価テスト

o    レッスン 12: お問い合わせ