Ce cours fait partie de la Spécialisation Building Cloud Computing Solutions at Scale

4.6
étoiles
49 évaluations

Noah Gift

4 551 déjà inscrits

Offert par

Spécialisation Building Cloud Computing Solutions at ScaleUniversité Duke

À propos de ce cours

14 011 consultations récentes

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.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 4 sur 4 dans le

Spécialisation Building Cloud Computing Solutions at Scale

Niveau intermédiaire

Beginner level Linux and Python skills

Approx. 12 heures pour terminer

Anglais

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 4 sur 4 dans le

Spécialisation Building Cloud Computing Solutions at Scale

Niveau intermédiaire

Beginner level Linux and Python skills

Approx. 12 heures pour terminer

Anglais

Enseignant

Évaluation de l'enseignant

4,66/5 (13 évaluations)

Noah Gift

Executive in Residence and Founder of Pragmatic AI Labs

Interdisciplinary Data Science (MIDS)

32 652 étudiants

10 cours

Offert par

Université Duke

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

4 heures pour terminer

Getting Started with Machine Learning Engineering

4 heures pour terminer

15 vidéos (Total 47 min), 5 lectures, 1 quiz

15 vidéos

Instructor Introduction1 min

Course Introduction2 min

Lab Onboarding1 min

Course 4 Project Overview1 min

Introduction to Machine Learning Engineering30s

Machine Learning Engineering Overview1 min

Machine Learning Engineering Architecture3 min

Introduction to Machine Learning Microservices40s

Machine Learning Microservices Overview1 min

Monolithic versus Microservice2 min

Introduction to Continuous Delivery for Machine Learning39s

Continuous Delivery for Machine Learning Overview1 min

What is Data Drift?2 min

Continuously Deploy Flask ML Application4 min

AWS App Runner: High-Level PaaS Continuous Delivery21 min

5 lectures

Specialization Project Roadmap: Course 410 min

Course Structure and Discussion Etiquette10 min

Jupyter Notebook Workflow for Machine Learning10 min

K-Means Clustering Sample Dataset10 min

High Level MLOps Continuous Deployment10 min

1 exercice pour s'entraîner

Week 1 Quiz30 min

Semaine

Semaine 2

4 heures pour terminer

Using AutoML

4 heures pour terminer

21 vidéos (Total 138 min), 2 lectures, 1 quiz

21 vidéos

Introduction to AutoML50s

What is AutoML?1 min

AutoML Computer Vision3 min

Introduction to No Code/Low Code4 min

No Code/Low Code AutoML: Part 134 min

No Code/Low Code AutoML: Part 218 min

Apple Create ML AutoML19 min

Introduction to Ludwig AutoML1 min

What is Ludwig AutoML?1 min

Ludwig AutoML Deep Dive2 min

Ludwig AutoML By Example5 min

Introduction to Cloud AutoML46s

What is Cloud AutoML?1 min

Cloud AutoML Deep Dive1 min

Guest Speaker: Alfredo Deza1 min

Introduction to Azure Machine Learning Studio3 min

Create a Dataset in Azure Machine Learning Studio10 min

Automated ML Run in Azure Machine Learning Studio12 min

Experiments in Azure Machine Learning Studio3 min

Deploy a Module in Azure Machine Learning Studio5 min

Test Endpoints in Azure Machine Learning Studio4 min

2 lectures

Managed Machine Learning Systems10 min

Use Apple's AutoML Computer Vision10 min

1 exercice pour s'entraîner

Week 2 Quiz30 min

Semaine

Semaine 3

5 heures pour terminer

Emerging Topics in Machine Learning

5 heures pour terminer

22 vidéos (Total 158 min), 2 lectures, 1 quiz

22 vidéos

Introduction to MLOps38s

What is MLOps?1 min

MLOps Deep Dive3 min

Introduction to Edge Machine Learning49s

What is Edge Machine Learning?3 min

Edge Machine Learning Vision in Action6 min

Hardware Inference Model Solutions in Edge Machine Learning23 min

Edge Machine Learning in Google29 min

Edge Machine Learning in AWS16 min

Introduction to AI APIs57s

How to Use AI APIs?2 min

Core Components of a Cloud Application4 min

AWS Comprehend for Natural Language Processing7 min

AWS Rekognition for Computer Vision2 min

GCP AutoML for Natural Language Processing10 min

GCP AutoML for Computer Vision4 min

Azure AutoML for AI Predictions16 min

Azure AutoML for Computer Vision1 min

Core Components of a Cloud Application Recap34s

Steps to Developing an API9 min

Flask Machine Learning Backend4 min

Checklist for Building Professional Web Services7 min

2 lectures

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

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

1 exercice pour s'entraîner

Week 3 Quiz30 min

Avis

4.6

9 avis

5 stars
73,46 %
4 stars
16,32 %
3 stars
8,16 %
2 stars
2,04 %

Meilleurs avis pour CLOUD MACHINE LEARNING ENGINEERING AND MLOPS

par AD31 oct. 2022

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

par SG8 juil. 2021

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

par YA7 févr. 2022

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

par JY1 juin 2022

Great course to know practical ideas and concepts.

Voir tous les avis

À propos du Spécialisation Building Cloud Computing Solutions at Scale

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

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.

Cloud Machine Learning Engineering and MLOps

À propos de ce cours