Practical Decision-Making Using No-code ML on AWS

• Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?

  Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:

  • Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.

  • Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.

• Was bekomme ich, wenn ich das Zertifikat erwerbe?

  Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

• Ist finanzielle Unterstützung möglich?

  Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

• What types of machine learning does this cover?

  In this course, we cover both supervised learning and unsupervised learning, however this course is based on supervised learning. The course predominantly focuses on using structured tabular data, such as spreadsheets and database tables, to explain and predict a specific variable (structured supervised machine learning). The course also covers other types like unstructured and unsupervised methods of machine learning.

• What tools does this course cover?

  This course covers Amazon SageMaker Canvas, which provides a visual point-and-click interface to build ML models and generate accurate predictions—no code required. With Amazon SageMaker Canvas, you can quickly connect, access, and combine data, and create unified datasets for training ML models with automatic data cleansing, automatically create ML models so you can generate accurate predictions—whether singular or in bulk, and share models and datasets with data scientists so they can validate and further refine ML models.

• Do I need machine learning experience or coding experience to take this course?

  No! You do not need any prior machine learning or coding experience to take this course, but you do need critical thinking skills.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.