我們不再更新 Amazon Machine Learning 服務或接受新使用者。本文件可供現有使用者使用，但我們不再更新。如需詳細資訊，請參閱[什麼是 Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html)。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 教學課程：使用 Amazon ML 預測對行銷優惠的回應
<a name="tutorial"></a>

透過 Amazon Machine Learning (Amazon ML)，您可以建置和訓練預測模型，並將應用程式託管在可擴展的雲端解決方案中。在本教學課程中，我們會示範如何使用 Amazon ML 主控台來建立資料來源、建置機器學習 (ML) 模型，以及使用該模型來產生您可以在應用程式中使用的預測。

我們的練習範例會說明如何找出目標行銷活動的潛在客戶，但您可以套用該相同原則，來建立及使用各種 ML 模型。為了完成範例練習，您將使用 [University of California at Irvine (UCI) Machine Learning Repository](http://archive.ics.uci.edu/ml/datasets.php) 公開提供的銀行和行銷資料集。這些資料集包含客戶的一般資訊，以及其之前對行銷聯絡人的回應。您將使用此資料找出哪些客戶最可能訂閱您的新產品：銀行定期存款，也稱為定期存單 (CD)。

**警告**  
AWS 免費方案不包含此教學課程。如需 Amazon ML 定價的詳細資訊，請參閱 [https://aws.amazon.com/machine-learning/pricing/](https://aws.amazon.com/machine-learning/pricing/)。

## 先決條件
<a name="prereqs"></a>

 若要執行教學課程，您需要具備 AWS 帳戶。如果您還沒有 AWS 帳戶，請參閱[設定 Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/setting-up-amazon-machine-learning.html)。

## 步驟
<a name="steps"></a>
+ [步驟 1：準備資料](step-1-download-edit-and-upload-data.md)
+ [步驟 2：建立訓練資料來源](step-2-create-a-datasource.md)
+ [步驟 3：建立 ML 模型](step-3-create-an-ml-model.md)
+ [步驟 4：檢閱 ML 模型的預測效能並設定分數閾值](step-4-review-model-and-set-cutoff.md)
+ [步驟 5：使用 ML 模型產生預測](step-5-create-predictions.md)
+ [步驟 6：清除](step-6-clean-up.md)