Episode Details
Back to Episodes![[Pagsusuri] Data Science on AWS (Chris Fregly) Nabuod.](https://tagalog.9natree.com/coverSQL/1492079391.jpg)
[Pagsusuri] Data Science on AWS (Chris Fregly) Nabuod.
Published 4 days, 5 hours ago
Description
Data Science on AWS (Chris Fregly)
- Bumili sa Amazon Books:
https://www.amazon.com/dp/1492079391?tag=9natree-20
- I-sponsor at Suportahan kami:
https://9natree.com/page/sponsor-and-support.html
- Mga Kagiliw-giliw na Paksa:
- Buong lifecycle ng modelo, mula raw data hanggang production deployment
- Amazon SageMaker bilang sentro ng cloud-native na paggawa at pag-operate ng machine learning
- BERT na natural language processing bilang konkretong halimbawa ng malalim na model development
- Real-time prediction, anomaly detection, at streaming data gamit ang Kinesis at Kafka
- Seguridad, identity access management, at cost performance bilang bahagi ng MLOps
- Magbasa pa: https://tagalog.9natree.com/read/1492079391/
Ang Data Science on AWS: Implementing End-to-End, Continuous AI and Machine Learning Pipelines ay teknikal na gabay nina Chris Fregly at Antje Barth para sa pagbuo ng machine learning sa Amazon Web Services, o AWS. Inilathala ito bilang praktikal na aklat para sa mga data scientist, data engineer, at cloud practitioner na kailangang ilipat ang modelo mula sa eksperimento tungo sa aktuwal na paggamit. Hindi lamang nito tinatalakay ang paggawa ng modelo. Ang sentro nito ay ang buong daloy ng trabaho, mula sa pagpasok at paghahanda ng data, pagsusuri, pagsasanay, pagtatasa, pag-deploy, hanggang sa pag-uugnay ng mga hakbang bilang paulit-ulit at tuloy-tuloy na pipeline. Ginagamit ng aklat ang mga serbisyo sa AWS, lalo na ang Amazon SageMaker, upang ipakita kung paano nagtatagpo ang data engineering, machine learning, at application development. May mga halimbawa itong sumasaklaw sa natural language processing, computer vision, fraud detection, conversational device, at streaming analytics. Ang pangunahing layunin nito ay gawing mas sistematiko, masusukat, mas ligtas, at mas madaling i-operate ang paggawa ng AI at machine learning system sa cloud.
- Bumili sa Amazon Books:
https://www.amazon.com/dp/1492079391?tag=9natree-20
- I-sponsor at Suportahan kami:
https://9natree.com/page/sponsor-and-support.html
- Mga Kagiliw-giliw na Paksa:
- Buong lifecycle ng modelo, mula raw data hanggang production deployment
- Amazon SageMaker bilang sentro ng cloud-native na paggawa at pag-operate ng machine learning
- BERT na natural language processing bilang konkretong halimbawa ng malalim na model development
- Real-time prediction, anomaly detection, at streaming data gamit ang Kinesis at Kafka
- Seguridad, identity access management, at cost performance bilang bahagi ng MLOps
- Magbasa pa: https://tagalog.9natree.com/read/1492079391/
Ang Data Science on AWS: Implementing End-to-End, Continuous AI and Machine Learning Pipelines ay teknikal na gabay nina Chris Fregly at Antje Barth para sa pagbuo ng machine learning sa Amazon Web Services, o AWS. Inilathala ito bilang praktikal na aklat para sa mga data scientist, data engineer, at cloud practitioner na kailangang ilipat ang modelo mula sa eksperimento tungo sa aktuwal na paggamit. Hindi lamang nito tinatalakay ang paggawa ng modelo. Ang sentro nito ay ang buong daloy ng trabaho, mula sa pagpasok at paghahanda ng data, pagsusuri, pagsasanay, pagtatasa, pag-deploy, hanggang sa pag-uugnay ng mga hakbang bilang paulit-ulit at tuloy-tuloy na pipeline. Ginagamit ng aklat ang mga serbisyo sa AWS, lalo na ang Amazon SageMaker, upang ipakita kung paano nagtatagpo ang data engineering, machine learning, at application development. May mga halimbawa itong sumasaklaw sa natural language processing, computer vision, fraud detection, conversational device, at streaming analytics. Ang pangunahing layunin nito ay gawing mas sistematiko, masusukat, mas ligtas, at mas madaling i-operate ang paggawa ng AI at machine learning system sa cloud.