Mô tả chương trình học
Trong chương trình gồm học ba khóa học này, bạn sẽ tìm hiểu về các biện pháp tốt nhất và các đề xuất về máy học (ML). Khóa học này khám phá cách lên lộ trình cho việc tích hợp ML vào các quy trình của doanh nghiệp bạn, khám phá các yêu cầu để xác định xem ML có phải là giải pháp thích hợp cho vấn đề kinh doanh không và mô tả những thành phần cần thiết để tổ chức có thể áp dụng ML thành công.
• Trình độ khóa học: Nền tảng
• Thời lượng: 90 phút
Hoạt động
Chương trình học này bao gồm các khóa học với bài thuyết trình, video và bài đánh giá kiến thức.
Mục tiêu của chương trình học
Trong chương trình học này, bạn sẽ tìm hiểu cách:
• Hiểu kiến thức cơ bản về máy học để giúp đánh giá các lợi ích và rủi ro liên quan đến việc áp dụng ML trong các tình huống kinh doanh khác nhau
• Xác định các yêu cầu về dữ liệu, thời gian và vận hành cho một dự án ML thành công
• Mô tả cách điều chỉnh một tổ chức để đạt được thành công và duy trì thành công bằng cách sử dụng ML
Đối tượng học viên
Chương trình học này dành cho:
• Các nhà lãnh đạo doanh nghiệp không phụ trách mảng kỹ thuật và những người đưa ra định quyết định khác của doanh nghiệp đang hoặc sẽ tham gia vào các dự án ML
• Những người tham gia chương trình AWS Machine Learning Embark và hội thảo khám phá Machine Learning Solutions Lab (MLSL)
Điều kiện tiên quyết
Những người tham gia khóa học này nên có:
• Kiến thức cơ bản về máy tính và hệ thống máy tính
• Một số kiến thức cơ bản về khái niệm máy học
Tóm tắt nội dung chương trình học
Khóa học 1: Giới thiệu về máy học: nghệ thuật của những điều máy học có thể làm được
Module 1. Máy học có thể giúp ích như thế nào?
• Định nghĩa về máy học
• Mô tả vòng lặp phản hồi tích cực (bánh đà) thúc đẩy các dự án ML
• Mô tả các lĩnh vực kinh doanh khác nhau chịu ảnh hưởng của máy học
• Mô tả tiềm năng của máy học ở các thị trường chưa khai thác
Module 2. Máy học hoạt động như thế nào?
• Mô tả về trí tuệ nhân tạo
• Mô tả sự khác biệt giữa trí tuệ nhân tạo và máy học
Module 3. Đâu là một số vấn đề tiềm ẩn với máy học?
• Mô tả sự khác biệt giữa các mô hình đơn giản và phức tạp
• Hiểu các vấn đề về tính không giải thích được và sự không chắc chắn của các mô hình máy học
Module 4. Kết luận
Khóa học 2: Planning a Machine Learning Project
Module 1. Giải pháp máy học có phù hợp với vấn đề của tôi không?
• Giải thích cách xác định xem ML có phải là giải pháp thích hợp cho vấn đề kinh doanh của bạn không
Module 2. Dữ liệu của tôi đã sẵn sàng cho giải pháp máy học chưa?
• Mô tả quy trình đảm bảo dữ liệu của bạn đã sẵn sàng cho ML
Module 3. Máy học sẽ ảnh hưởng thế nào đến tiến độ dự án?
• Giải thích cách ML có thể tác động đến tiến độ dự án
Module 4. Tôi nên đặt câu hỏi sớm nào trong quá trình triển khai?
• Xác định các câu hỏi cần đặt ra có ảnh hưởng đến quá trình triển khai ML
Module 5. Kết luận
Khóa học 3: Xây dựng tổ chức sẵn sàng ứng dụng máy học (machine learning)
Module 1. Làm thế nào để chuẩn bị cho tổ chức của tôi sử dụng ML?
• Làm thế nào để chuẩn bị cho tổ chức của tôi sử dụng ML?
• AWS có thể trợ giúp tôi bằng cách nào?
• Tôi có thể áp dụng những chiến lược nào khác để đảm bảo sự thành công của tổ chức?
• Cách tiếp cận chuyển đổi văn hóa nào phù hợp với tổ chức của tôi?
Module 2. Làm thế nào để đánh giá chiến lược dữ liệu của tôi?
• Làm thế nào để đánh giá chiến lược dữ liệu của tôi?
• Làm thế nào để cải thiện chiến lược dữ liệu của tôi?
Module 3. Làm thế nào để tạo văn hóa học tập và cộng tác?
• Làm thế nào để tạo văn hóa học tập và cộng tác?
• Nhà khoa học dữ liệu là gì?
• Nhà khoa học dữ liệu cần có những kỹ năng nào?
• Nhóm ML thử nghiệm sẽ như thế nào?
• Tôi sẽ cần những vai trò hỗ trợ nào khác?
• Các trách nhiệm chính là gì?
Module 4. Làm thế nào để tôi bắt đầu hành trình ML?
• Làm thế nào để tôi bắt đầu hành trình ML?
• Hành trình ML của một tổ chức sẽ như thế nào?
• Đâu là tình huống kinh doanh ví dụ cho sự tiến triển của một tổ chức?
Module 5. Kết luận
