13,654
社区成员
发帖
与我相关
我的任务
分享amazon-sagemaker-mlops-workshop:Amazon SageMaker的MLOps研讨会-源码下载
Amazon SageMaker的MLOps研讨会
使用Amazon SageMaker Pipelines进行的机器学习操作研讨会：实验室指南和材料。
介绍
在机器学习中，您“教”计算机进行预测或推理。首先，您使用算法和示例数据来训练模型。然后，您将模型集成到应用程序中，以实时，大规模地生成推论。在生产环境中，模型通常会从数百万个示例数据项中学习，并在数百到不到20毫秒的时间内得出推论。
下图说明了创建机器学习模型的典型工作流程：
如图所示，您通常执行以下活动：
识别业务问题和相关的机器学习问题。
数据提取，集成和准备。
数据可视化和分析，特征工程，模型训练和模型评估。
模型部署，模型监视和调试。
这些步骤在机器学习应用程序的生命周期中会定期重复，原因有很多：包括适应不断变化的业务目标的新功能，在新的可用数据上对模型进行再培训以保持模型的高性能，迭代地更新模型体系结构， 和别的。该研讨会
相关下载链接：//download.csdn.net/download/weixin_42138703/16024223?utm_source=bbsseo
使用Amazon SageMaker Pipelines进行的机器学习操作研讨会：实验室指南和材料。
介绍
在机器学习中，您“教”计算机进行预测或推理。首先，您使用算法和示例数据来训练模型。然后，您将模型集成到应用程序中，以实时，大规模地生成推论。在生产环境中，模型通常会从数百万个示例数据项中学习，并在数百到不到20毫秒的时间内得出推论。
下图说明了创建机器学习模型的典型工作流程：
如图所示，您通常执行以下活动：
识别业务问题和相关的机器学习问题。
数据提取，集成和准备。
数据可视化和分析，特征工程，模型训练和模型评估。
模型部署，模型监视和调试。
这些步骤在机器学习应用程序的生命周期中会定期重复，原因有很多：包括适应不断变化的业务目标的新功能，在新的可用数据上对模型进行再培训以保持模型的高性能，迭代地更新模型体系结构， 和别的。该研讨会
相关下载链接：//download.csdn.net/download/weixin_42138703/16024223?utm_source=bbsseo
...全文
请发表友善的回复…
发表回复
