Practical Data Science with Amazon SageMaker

Ziele

In dieser 1-tägigen Schulung "Practical Data Science with Amazon SageMaker" lernen Sie, wie Sie einen echten Anwendungsfall mit Machine Learning (ML) lösen und verwertbare Ergebnisse mit Amazon SageMaker erstellen. Der Kurs führt Sie durch die Phasen eines typischen Data-Science-Prozesses für Machine Learning von der Analyse und Visualisierung eines Datensatzes über die Datenaufbereitung bis hin zum Feature Engineering. Die Teilnehmer lernen auch praktische Aspekte der Modellerstellung, des Trainings, der Abstimmung und der Bereitstellung mit Amazon SageMaker. Zu den realen Anwendungsfällen gehört die Analyse der Kundenbindung, um Kundenbindungsprogramme zu entwickeln.

Zielgruppe

• Entwickler
• Data Scientists

Voraussetzungen

Für eine optimale Teilnahme am Kurs empfehlen wir folgende Vorkenntnisse:

• Kenntnisse der Programmiersprache Python
• Grundlegendes Verständnis von Machine Learning

Agenda

Einführung in das Machine Learning

• Arten von ML
• Job-Rollen in ML
• Schritte in der ML-Pipeline

Einführung in die Datenvorbereitung und SageMaker

• Definition von Übungs- und Testdatensätzen
• Einführung in SageMaker
• SageMaker-Konsole
• Starten eines Jupyter-Notebooks

Problemstellung und Datensatzvorbereitung

• Geschäftliche Herausforderung: Kundenschwund
• Datensatz zum Kundenschwund überprüfen

Datenanalyse und -visualisierung

• Laden und Visualisieren Ihres Datensatzes
• Bereinigung der Daten

Trainieren und Auswerten eines Modells

• Arten von Algorithmen
• XGBoost und SageMaker
• Training der Daten
• Abstimmung der Hyperparameter mit SageMaker
• Evaluierung der Modellleistung

Automatisches Tunen eines Modells

• Automatisches Hyperparameter-Tuning mit SageMaker

Einsatz/Produktionsbereitschaft

• Bereitstellen eines Modells an einem Endpunkt
• A/B-Einsatz zum Testen
• Automatische Skalierung
• Konfigurieren und Testen der automatischen Skalierung
• Überprüfen des Hyperparameter-Abstimmungsauftrags
• AWS-Autoskalierung

Relative Kosten von Fehlern

• Kosten der verschiedenen Fehlertypen
• Binäre Klassifizierungsabgrenzung

Amazon SageMaker Architektur und Funktionen

• Zugriff auf Amazon SageMaker-Notebooks in einer VPC
• Amazon SageMaker Batch-Transformationen
• Amazon SageMaker Grundwahrheit
• Amazon SageMaker Neo

Hinweise

Prüfung und Zertifizierung

Als anerkannter und zertifizierter AWS (Amazon Web Services) verfügt IT-Schulungen.com über mehrjährige Erfahrung in der Durchführung von AWS-Schulungen und der zielgerichteten Vorbereitung auf Zertifizierungsprüfungen.

Dieses Seminar ist speziell darauf ausgerichtet, Sie auf die Prüfung AWS Certified Machine Learning – Specialty (MLS-C01) vorzubereiten. Bei erfolgreichem Abschluss erhalten Sie die Zertifizierung AWS Certified Machine Learning - Specialty (ACMLS).

Sie haben die Möglichkeit die Prüfung in einem Prüfungsinstitut oder bequem online zu absolvieren. Den Prüfungs-Voucher können Sie bei uns erwerben.

Weitere Hinweise

• Dieser Kurs wird mit der offiziellen AWS Unterlage und Systemumgebung durchgeführt.

Open Badge - Ihr digitaler Kompetenznachweis

Durch die erfolgreiche Teilnahme an einem Kurs bei IT-Schulungen.com erlangen Sie nicht nur Fachkenntnisse und Fähigkeiten, sondern bekommen zusätzlich zu Ihrem Teilnahmezertifikat ein Open Badge als digitalen Nachweis Ihrer Kompetenz.

Sie können diesen in Ihrem persönlichen und kostenfreien Mein IT-Schulungen.com Konto abrufen. Ihre verdienten Badges lassen sich problemlos in sozialen Netzwerken integrieren und weitergeben.

Mehr zu den Vorteilen von Badges

Kurz vor Durchführung