Mastering Machine Learning on AWS

AWS is constantly driving new innovations that empower data scientists to explore a variety of machine learning (ML) cloud services. This book is your comprehensive reference for learning and implementing advanced ML algorithms in AWS cloud.As you go through the chapters, you’ll gain insights into how these algorithms can be trained, tuned and deployed in AWS using Apache Spark on Elastic Map Reduce (EMR), SageMaker, and TensorFlow. While you focus on algorithms such as XGBoost, linear models,

这是一本全面讲解在AWS云平台上进行机器学习和深度学习的实战指南。书中详细阐述了AWS在机器学习项目中的角色，包括为数据科学家提供的广泛的机器学习工具和服务，以及如何通过这些工具和服务降低机器学习项目的门槛，使数据科学家能够更专注于创新。 书中还深入探讨了数据科学家的三大技能，包括机器学习、计算机编程和沟通，并解释了这些技能在AWS环境中的应用。作者还详细介绍了如何在AWS中使用Apache Spark和SageMaker等工具进行数据预处理、特征工程、模型训练和模型评估，以及如何将训练好的模型部署到生产环境。 此外，书中还讲解了如何使用TensorFlow和Keras在AWS SageMaker上构建和训练深度学习模型，并介绍了如何使用AWS Comprehend和AWS Rekognition等AWS服务进行自然语言处理和图像识别。书中还讨论了如何创建和管理AWS集群，并使用Spark和SageMaker优化模型。 书中还详细介绍了如何创建IAM用户，以及如何在AWS中开始使用各种服务。此外，书中还讲解了卷积神经网络原理，线性回归的基本概念和假设，Naive Bayes算法简