จินตนาการว่าคุณเป็นนักพัฒนาแมชชีนเลิร์นนิ่งที่ทำงานอยู่ในธนาคารแห่งหนึ่ง คุณได้รับคำขอให้พัฒนาโมเดลแมชชีนเลิร์นนิ่งเพื่อช่วยนักวิเคราะห์ในบริษัทของคุณซึ่งมีข้อมูลข่าวสารจำนวนมากที่จำเป็นต้องอ่านเพื่อตัดสินใจเกี่ยวกับการลงทุน โมเดลดังกล่าวจะได้รับการฝึกฝนด้วยชุดข้อมูลกลุ่มข่าวจำนวน 20 ชุดที่ประกอบไปด้วยข้อมูลใน 20 หัวข้อจากเอกสารประมาณ 20,000 ฉบับ
ในส่วนหนึ่งของโมเดล คุณจำเป็นต้องดึงข้อมูลเชิงความหมายออกมาจากข้อมูลข่าวสาร จากนั้น จะต้องระบุบทความข่าวที่คล้ายกันจากคลังข้อมูล และให้การแนะนำเนื้อหาแก่นักวิเคราะห์สำหรับข่าวที่คล้ายกันโดยอิงจากข่าวที่นักวิเคราะห์กำลังอ่านอยู่
ในแล็บนี้ คุณจะได้เรียนรู้วิธีสร้างอินสแตนซ์โน้ตบุ๊กของ Amazon SageMaker, ดาวน์โหลด, เตรียม และกำหนดระยะให้แก่ชุดข้อมูลโดยใช้โน้ตบุ๊ก Jupyter, ฝึกฝนและปรับใช้โมเดลหัวข้อของคุณ และสุดท้าย คุณจะฝึกฝนและปรับใช้โมเดลการแนะนำเนื้อหา
ในโมดูลที่ 1 คุณจะกำหนดค่าสภาพแวดล้อมที่คุณใช้ในแล็บ
ระยะเวลาที่ใช้ในการศึกษาโมดูล: 20 นาที
ในโมดูลนี้ คุณได้เรียนรู้เกี่ยวกับโมเดล ML ตัวอย่างที่คุณฝึกฝนในแล็บนี้ นอกจากนี้ คุณยังได้ตั้งค่าบัญชี AWS และสภาพแวดล้อมของแล็บด้วยบัคเก็ต Amazon S3, อินสแตนซ์โน้ตบุ๊กของ Amazon SageMaker และโน้ตบุ๊ก Jupyter
ตอนนี้คุณพร้อมที่จะเริ่มต้นใช้แล็บแล้ว ในโมดูลถัดไป คุณจะดาวน์โหลด เตรียม และกำหนดระยะให้แก่ชุดข้อมูลของคุณ