你是一家零售公司的資料科學家,負責建立一個機器學習模型來預測顧客流失。以下是 AWS 中機器學習流程(pipeline)的範例。
團隊需要一個解決方案,讓你能在不管理底層基礎設施的情況下建立、訓練並部署模型。你聽說 AWS 有相關服務可支援這件事,現在必須為任務選擇正確的工具。
若要開發全受管的 ML 模型,你會使用哪個服務?
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
在本章中,你將深入核心的 AWS 運算服務,從可擴展雲端運算的 Amazon EC2 開始。你會學到如何最佳化執行個體,並透過負載平衡與自動調整來提升效能,也會認識像 AWS Lambda 與 Fargate 這類無伺服器選項,建置事件驅動的應用程式。
在本章中,你將探索 AWS 的資料庫服務,如 RDS、DynamoDB 與 MemoryDB。你也會學到如何使用 Database Migration Service 與 AWS Snow Family 等工具,將資料庫遷移到 AWS。最後,我們會介紹重要的網路服務與其他儲存解決方案。
先從預先訓練的人工智慧服務、機器學習框架與分析工具開始探索。最後,透過認識多種次要服務類別,完善你對 AWS 架構的整體理解。
當前練習