Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Amazon Web Services

AWS ML Engineer Associate 1.1 Collect, Ingest, and Store Data (简体中文)

Amazon Web Services and Amazon via AWS Skill Builder

Overview

本课程内容涉及机器学习 (ML) 生命周期中数据准备阶段的部分内容。在本课程中,您将学习数据基础知识,包括如何识别数据类型、区分有效数据与无效数据,以及如何可视化和分析数据。您将了解 ML 过程中使用的一些核心 Amazon Web Services (AWS) 存储服务,例如 Amazon Simple Storage Service (Amazon S3)。本课程将介绍如何根据您的具体 ML 需求选择最有效的 AWS 存储决策和数据格式。最后,您将详细了解一些有助于摄取、提取和合并数据的 AWS 服务,例如 Amazon Kinesis。

  • 课程级别:300
  • 时长:60 分钟


注意:本课程具有本地化的注释/字幕。 旁白保留英语。 要显示字幕,请单击播放器右下角的 CC 按钮。


课程内容

  • 线上材料
  • 演示
  • 知识考核问题
  • 课程评估


课程目标

  • 描述数据收集的基础知识。
  • 定义数据格式和摄取机制。
  • 描述可视化数据的不同方法。
  • 描述用于 ML 数据收集的 AWS 存储选项,包括使用案例和权衡。
  • 根据成本、性能和数据结构选择最有效的存储决策。
  • 根据数据访问模式为 ML 任务选择适当的数据格式。
  • 描述用于数据摄取的 AWS 流数据来源。
  • 使用有助于数据传输的 AWS 服务从 AWS 存储服务中提取数据。
  • 描述如何合并来自多个来源的数据。
  • 确定涉及容量和可扩展性的数据摄取和存储问题的原因。


培训对象

  • 云架构师
  • 机器学习工程师


建议具备的技能

  • 拥有至少 1 年使用 Amazon SageMaker 和其他 AWS 服务进行 ML 工程工作的经验。
  • 至少从事 1 年相关角色的工作,例如后端软件开发人员、DevOps 开发人员、数据工程师或数据科学家。
  • 对 Python 等编程语言有基本的了解。
  • 已完成 AWS ML Engineer Associate 学习计划的前几门课程。


课程大纲

  • 第 1 部分:简介
    • 第 1 课:如何学习本课程
    • 第 2 课:领域 1 简介
    • 第 3 课:课程概览
    • 第 4 课:数据收集基础知识
  • 第 2 部分:数据收集
    • 第 5 课:数据类型
    • 第 6 课:数据可视化和探索性数据分析
  • 第 3 部分:AWS 数据来源和服务
    • 第 7 课:AWS 存储选项
    • 第 8 课:选择存储
  • 第 4 部分:摄取、提取和合并数据
    • 第 9 课:数据摄取
    • 第 10 课:数据提取
    • 第 11 课:数据合并
    • 第 12 课:数据摄取和存储故障排除
  • 第 5 部分:结论
    • 第 13 课:课程总结
    • 第 14 课:评估
    • 第 15 课:联系我们


Reviews

Start your review of AWS ML Engineer Associate 1.1 Collect, Ingest, and Store Data (简体中文)

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.