文件名称：ML_SageMaker_Studies
文件大小：1.84MB
文件格式：ZIP
更新时间：2024-04-25 20:52:53
JupyterNotebook
AWS SageMaker进行机器学习和部署案例研究 该存储库包含用于使用AWS SageMaker部署ML模型的代码和相关文件。 该存储库包含许多教程笔记本，用于各种案例研究，代码练习和项目文件，这些文件将说明ML工作流的各个部分，并为您提供部署各种ML算法的练习。 讲解 ：了解如何在SageMaker中构建和部署非监督模型。 在此示例中，将对美国人口普查数据进行聚类； 使用PCA降低数据的维数，并使用k均值对生成的*组件进行聚类。 ：了解如何在SageMaker中构建和部署受监管的LinearLearner模型。 您将调整模型并处理类不平衡的情况，以训练模型来检测信用卡欺诈案件。 ：训练和部署对“月”数据进行分类的自定义PyTorch神经网络； 以月亮状分布的二进制数据。 ：学习分析时间序列数据并将其格式化以训练算法； 利用递归神经网络的预测算法。 训练模型以预测家庭能源消耗
【文件预览】：
ML_SageMaker_Studies-master
----Population_Segmentation()
--------notebook_ims()
--------Pop_Segmentation_Solution.ipynb(335KB)
--------Pop_Segmentation_Exercise.ipynb(98KB)
----LICENSE(1KB)
----Moon_Data()
--------source()
--------Moon_Classification_Exercise.ipynb(20KB)
--------Moon_Classification_Solution.ipynb(130KB)
--------source_solution()
----Time_Series_Forecasting()
--------txt_preprocessing.py(2KB)
--------notebook_ims()
--------Energy_Consumption_Exercise.ipynb(43KB)
--------Energy_Consumption_Solution.ipynb(869KB)
----README.md(3KB)
----Project_Plagiarism_Detection()
--------helpers.py(5KB)
--------2_Plagiarism_Feature_Engineering.ipynb(54KB)
--------notebook_ims()
--------problem_unittests.py(6KB)
--------source_sklearn()
--------README.md(2KB)
--------1_Data_Exploration.ipynb(9KB)
--------3_Training_a_Model.ipynb(19KB)
--------source_pytorch()
----Payment_Fraud_Detection()
--------notebook_ims()
--------Fraud_Detection_Solution.ipynb(1MB)
--------Fraud_Detection_Exercise.ipynb(34KB)