概述
學習使用 Amazon SageMaker Studio,提升機器學習生命週期每個階段的生產力。
Amazon SageMaker Studio 協助資料科學家快速準備、建置、訓練、部署及監控機器學習(ML)模型,結合專為機器學習打造的廣泛能力。本課程培養經驗豐富的資料科學家,運用 SageMaker Studio 的工具,提升機器學習生命週期每個階段的生產力。
Kornerstone 是 AWS 授權培訓夥伴,提供、提供及/或整合官方 AWS 培訓,包括教室及數位課程。 無論您的團隊偏好從現場講師、隨選課程學習,或兩者兼有,ATP 都為各級學習者提供廣泛的 AWS 培訓選項。
發掘成長中的數位經濟機會。全球科技巨頭如 AWS、Microsoft、Google 和 Oracle 投入數十億美元,它正迅速成為數位創新的樞紐。對認證資料與 AI 專業人士的需求前所未有地高漲,正是提升職涯的最佳時機。
探索頂尖的數據與人工智慧認證。成為企業尋找的專業人才——今天就取得認證吧!
為什麼選擇 KORNERSTONE
- 經認證、由實務人員主導的專家證書培訓師,提供高品質的培訓
- 官方訓練資料包含
- 實務、情境導向學習——著重應用,而非僅理論
- 優秀的通過率
涵蓋技能
在本課程中,你將學習:
- 透過使用 Amazon SageMaker Studio,加速機器學習解決方案的準備、建置、培訓、部署與監控。
先決條件
我們建議所有學生在參加本課程前完成以下 AWS 課程:
我們建議非資深資料科學家的學生先修完以下兩門課程,接著在職累積一年的模型建構經驗,再修讀此課程:
目標受眾
本課程旨在:
- 具備機器學習與深度學習基礎知識的資深資料科學家。相關經驗包括使用機器學習框架、Python 程式設計,以及建立訓練、調整與部署模型的過程。
培訓大綱
模組 1:Amazon SageMaker 設定與導航
- 從 AWS 服務目錄啟動 SageMaker Studio。
- 請在 SageMaker Studio 介面中操作。
- 示範 1:SageMaker 使用者介面攻略
- 實驗室 1:從 AWS 服務目錄啟動 SageMaker Studio
模組二:資料處理
- 使用 Amazon SageMaker Studio 來收集、清理、視覺化、分析及轉換資料。
- 建立一個可重複的資料處理流程。
- 使用 SageMaker 驗證收集的資料是否具備機器學習準備。
- 偵測收集資料中的偏差並估算基線模型的準確度。
- 實驗二:使用 SageMaker Data Wrangler 分析與準備資料
- 實驗三:利用 Amazon EMR 大規模分析與準備資料
- 實驗四:使用 SageMaker Processing 與 SageMaker Python SDK 進行資料處理
- 實驗 5:使用 SageMaker 功能商店進行特徵工程
模組三:模型開發
- 使用 Amazon SageMaker Studio 來開發、調整並評估機器學習模型,並符合商業目標、公平性與可解釋性的最佳實務。
- 利用自動超參數優化功能微調機器學習模型。
- 在模型開發過程中,使用 SageMaker Debugger 來找出問題。
- 試玩 2:自動駕駛
- 實驗室 6:使用 SageMaker 實驗追蹤訓練與調校模型的迭代
- 實驗七:使用 SageMaker 除錯器分析、偵測並設定警報
- 實驗八:使用 SageMaker Clarify 辨識偏見
模組 4:部署與推論
- 使用模型登錄工具建立模型群組;註冊、檢視及管理模型版本;修改模型審核狀態;並部署模型。
- 設計並實作符合推論用例需求的部署解決方案。
- 使用 Amazon SageMaker Pipelines 建立、自動化並管理端到端的機器學習工作流程。
- 實驗九:使用 SageMaker Studio 進行推論
- 實驗 10:使用 SageMaker 流程與 SageMaker 模型登錄檔搭配 SageMaker Studio。
模組五:監控
- 配置 SageMaker 模型監控解決方案,偵測問題並啟動資料品質、模型品質、偏誤漂移及特徵歸因(可解釋性)漂移變化的警示。
- 建立一個預設間隔的監測計畫
- 示範 3:模型監控
模組 6:管理 SageMaker Studio 資源與更新
- 列出會累積費用的資源。
- 記得何時關閉實例。
- 說明如何關閉實例、筆記本、終端機和核心。
- 了解更新 SageMaker Studio 的流程
日期與地點

考試與認證
本課程沒有直接相關的考試。然而,AWS 提供豐富的業界認可認證組合,能幫助你在技術專業及更廣泛的領域中脫穎而出。取得 AWS 證照是驗證技能並加速職涯發展的最有效方式之一。
在我們專家主導的訓練下,您將準備好:
- 掌握雲端、資料與人工智慧及資安等領域的需求能力——這些領域推動全球數位轉型。
- 以全球知名且受雇主認可的資格證明你的專業。
- 透過提升信譽、增加收入潛力,並開啟新機會之門,推進你的職涯。





