このコースはBuilding Cloud Computing Solutions at Scale専門講座に属します。

4.6
星
49件の評価

Noah Gift

4,535人がすでに登録済みです

提供：

Building Cloud Computing Solutions at Scale専門講座デューク大学（Duke University）

このコースについて

14,535 最近の表示

Welcome to the fourth course in the Building Cloud Computing Solutions at Scale Specialization! In this course, you will build upon the Cloud computing and data engineering concepts introduced in the first three courses to apply Machine Learning Engineering to real-world projects. First, you will develop Machine Learning Engineering applications and use software development best practices to create Machine Learning Engineering applications. Then, you will learn to use AutoML to solve problems more efficiently than traditional machine learning approaches alone. Finally, you will dive into emerging topics in Machine Learning including MLOps, Edge Machine Learning and AI APIs. 
This course is ideal for beginners as well as intermediate students interested in applying Cloud computing to data science, machine learning and data engineering. Students should have beginner level Linux and intermediate level Python skills. For your project in this course, you will build a Flask web application that serves out Machine Learning predictions.

柔軟性のある期限

スケジュールに従って期限をリセットします。

共有できる証明書

修了時に証明書を取得

100%オンライン

自分のスケジュールですぐに学習を始めてください。

次における4の4コース

Building Cloud Computing Solutions at Scale専門講座

中級レベル

Beginner level Linux and Python skills

約12時間で修了

英語

柔軟性のある期限

スケジュールに従って期限をリセットします。

共有できる証明書

修了時に証明書を取得

100%オンライン

自分のスケジュールですぐに学習を始めてください。

次における4の4コース

Building Cloud Computing Solutions at Scale専門講座

中級レベル

Beginner level Linux and Python skills

約12時間で修了

英語

講師

講師の評価

4.66/5 (13 件の評価)

Noah Gift

Executive in Residence and Founder of Pragmatic AI Labs

Interdisciplinary Data Science (MIDS)

受講者32,556 名

10 コース

提供：

デューク大学（Duke University）

シラバス - 本コースの学習内容

週

週 1

4時間で修了

Getting Started with Machine Learning Engineering

4時間で修了

15件のビデオ（合計47分）, 5 学習用教材, 1 個のテスト

15件のビデオ

Instructor Introduction1 分

Course Introduction2 分

Lab Onboarding1 分

Course 4 Project Overview1 分

Introduction to Machine Learning Engineering30

Machine Learning Engineering Overview1 分

Machine Learning Engineering Architecture3 分

Introduction to Machine Learning Microservices40

Machine Learning Microservices Overview1 分

Monolithic versus Microservice2 分

Introduction to Continuous Delivery for Machine Learning39

Continuous Delivery for Machine Learning Overview1 分

What is Data Drift?2 分

Continuously Deploy Flask ML Application4 分

AWS App Runner: High-Level PaaS Continuous Delivery21 分

5件の学習用教材

Specialization Project Roadmap: Course 410 分

Course Structure and Discussion Etiquette10 分

Jupyter Notebook Workflow for Machine Learning10 分

K-Means Clustering Sample Dataset10 分

High Level MLOps Continuous Deployment10 分

1の練習問題

Week 1 Quiz30 分

週

週 2

4時間で修了

Using AutoML

4時間で修了

21件のビデオ（合計138分）, 2 学習用教材, 1 個のテスト

21件のビデオ

Introduction to AutoML50

What is AutoML?1 分

AutoML Computer Vision3 分

Introduction to No Code/Low Code4 分

No Code/Low Code AutoML: Part 134 分

No Code/Low Code AutoML: Part 218 分

Apple Create ML AutoML19 分

Introduction to Ludwig AutoML1 分

What is Ludwig AutoML?1 分

Ludwig AutoML Deep Dive2 分

Ludwig AutoML By Example5 分

Introduction to Cloud AutoML46

What is Cloud AutoML?1 分

Cloud AutoML Deep Dive1 分

Guest Speaker: Alfredo Deza1 分

Introduction to Azure Machine Learning Studio3 分

Create a Dataset in Azure Machine Learning Studio10 分

Automated ML Run in Azure Machine Learning Studio12 分

Experiments in Azure Machine Learning Studio3 分

Deploy a Module in Azure Machine Learning Studio5 分

Test Endpoints in Azure Machine Learning Studio4 分

2件の学習用教材

Managed Machine Learning Systems10 分

Use Apple's AutoML Computer Vision10 分

1の練習問題

Week 2 Quiz30 分

週

週 3

5時間で修了

Emerging Topics in Machine Learning

5時間で修了

22件のビデオ（合計158分）, 2 学習用教材, 1 個のテスト

22件のビデオ

Introduction to MLOps38

What is MLOps?1 分

MLOps Deep Dive3 分

Introduction to Edge Machine Learning49

What is Edge Machine Learning?3 分

Edge Machine Learning Vision in Action6 分

Hardware Inference Model Solutions in Edge Machine Learning23 分

Edge Machine Learning in Google29 分

Edge Machine Learning in AWS16 分

Introduction to AI APIs57

How to Use AI APIs?2 分

Core Components of a Cloud Application4 分

AWS Comprehend for Natural Language Processing7 分

AWS Rekognition for Computer Vision2 分

GCP AutoML for Natural Language Processing10 分

GCP AutoML for Computer Vision4 分

Azure AutoML for AI Predictions16 分

Azure AutoML for Computer Vision1 分

Core Components of a Cloud Application Recap34

Steps to Developing an API9 分

Flask Machine Learning Backend4 分

Checklist for Building Professional Web Services7 分

2件の学習用教材

Deep Dive: Use a Low Code or No Code Cloud AI API to Solve a Problem10 分

Deploy a Flask Machine Learning Model That You Didn't Build10 分

1の練習問題

Week 3 Quiz30 分

レビュー

4.6

9件のレビュー

5 stars
73.46%
4 stars
16.32%
3 stars
8.16%
2 stars
2.04%

CLOUD MACHINE LEARNING ENGINEERING AND MLOPS からの人気レビュー

ADにより2022年10月31日

Great Intro into DevOps and MLOps for beginners, Also good explanation and practical application examples

YAにより2022年2月7日

Amazing teacher and perfect mixture of necessary informations. It was a privilage to learn from him, i recommend this course for every ML Engineer.

SGにより2021年7月8日

Excellent course, very concise but complete, if possible a second version would be ideal

JYにより2022年6月1日

Great course to know practical ideas and concepts.

すべてのレビューを見る

Building Cloud Computing Solutions at Scale専門講座について

With more companies leveraging software that runs on the Cloud, there is a growing need to find and hire individuals with the skills needed to build solutions on a variety of Cloud platforms. Employers agree: Cloud talent is hard to find. This Specialization is designed to address the Cloud talent gap by providing training to anyone interested in developing the job-ready, pragmatic skills needed for careers that leverage Cloud-native technologies.

In the first course, you will learn how to build foundational Cloud computing infrastructure, including websites involving serverless technology and virtual machines, using the best practices of DevOps. The second course will teach you how to build effective Microservices using technologies like Flask and Kubernetes that are continuously deployed to a Cloud platform: Amazon Web Services (AWS), Azure or Google Cloud Platform (GCP). The third course begins to put together all of the Cloud concepts introduced in the first two courses to tackle more complex data engineering solutions. And finally, in the fourth course you will apply Machine Learning Engineering to build a Flask web application that serves out Machine Learning predictions.

Building Cloud Computing Solutions at Scale

よくある質問

いつ講座や課題にアクセスできるようになりますか？
講義と課題へのアクセスは、登録のタイプによって異なります。聴講モードでコースを受講すると、ほとんどのコース教材を無料で見ることができます。採点された課題にアクセスして修了証を取得するには、聴講中または聴講後に、修了証エクスペリエンスを購入する必要があります。聴講オプションが表示されない場合：
コースは聴講オプションを提供していない可能性があります。代わりに無料トライアルをお試しいただくか、学資援助を申請することができます。
コースは、聴講オプションを提供せずに「修了証なしフルコース」オプションを提供する場合があります。このオプションでは、すべてのコース教材が表示され、必須の評価を提出して、最終成績を取得することができます。この場合、修了証エクスペリエンスは購入できません。
この専門講座をサブスクライブすると何を行うことができるようになりますか？
コースに登録する際、専門講座のすべてのコースにアクセスできます。コースの完了時には修了証を取得できます。電子修了証が成果のページに追加され、そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。
学資援助はありますか？
はい。一部の学習プログラムでは、登録料が払えない場合、学資援助や奨学金を申請することができます。学習プログラムの選択において、学資援助や奨学金が利用可能な場合は、説明ページに申請するためのリンクが貼ってあります。

さらに質問がある場合は、受講者ヘルプセンターにアクセスしてください。

Cloud Machine Learning Engineering and MLOps

このコースについて