The Machine Learning Pipeline on AWS

Ziele

In diesem Kurs The Machine Learning Pipeline on AWS wird untersucht, wie die iterative Prozesspipeline des maschinellen Lernens (ML) zur Lösung eines realen Geschäftsproblems in einer projektbasierten Lernumgebung eingesetzt werden kann. Die Teilnehmer lernen die einzelnen Phasen der Prozesspipeline anhand von Präsentationen und Demonstrationen des Kursleiters kennen und wenden dieses Wissen dann an, um ein Projekt zur Lösung eines von drei Geschäftsproblemen durchzuführen: Betrugserkennung, Empfehlungsmodule oder Flugverspätungen. Am Ende des Kurses werden die Teilnehmer erfolgreich ein ML-Modell mit Amazon SageMaker erstellt, geschult, bewertet, abgestimmt und bereitgestellt haben, das das von ihnen gewählte Geschäftsproblem löst. Teilnehmer mit wenig bis gar keinen Erfahrungen oder Kenntnissen im Bereich maschinelles Lernen werden von diesem Kurs profitieren.

In diesem Kurs lernen Sie:

• den geeigneten ML-Ansatz für ein bestimmtes Geschäftsproblem auswählen und begründen
• ML Pipeline verwenden, um ein spezifisches Geschäftsproblem zu lösen
• ein ML Modell mit Amazon SageMaker trainieren, bewerten, bereitstellen und abstimmen
• Best Practices für den Entwurf skalierbarer, kostenoptimierter und sicherer ML-Pipelines in AWS erfahren
• Machine Learning auf ein reales Geschäftsproblem anwenden

Dieser Kurs wird mit der offiziellen AWS Unterlage und Systemumgebung durchgeführt und eignet sich zur Vorbereitung auf die AWS Certified Machine Learning Zertifizierung.

Zielgruppe

• Entwickler
• Lösungsarchitekten
• Daten-Ingenieure
• Alle Interessierten, die wenig bis keine Erfahrung mit ML haben und die ML-Pipeline mit Amazon SageMaker kennenlernen möchten

Voraussetzungen

• Grundkenntnisse der Programmiersprache Python
• Grundlegendes Verständnis der AWS-Cloud-Infrastruktur (Amazon S3 und Amazon CloudWatch)
• Grundlegende Erfahrung mit der Arbeit in einer Jupyter-Notebook-Umgebung

Agenda

Einführung in Machine Learning und die ML Pipeline

• Überblick über maschinelles Lernen
• Arten des Machine Learning und Schlüsselkonzepte
• Überblick über die ML-Pipeline
• Einführung in die Kursprojekte und den Ansatz

Einführung in Amazon SageMaker

• Einführung in Amazon SageMaker
• Amazon SageMaker und Jupyter-Notebooks

Problemstellung

• Überblick über die Problemstellung und die Entscheidung, ob ML die richtige Lösung ist
• Umwandlung eines Geschäftsproblems in ein ML-Problem
• Amazon SageMaker Grundwahrheit
• Praktische Problemlösung
• Problemstellungen für Projekte definieren

Vorbereitung

• Überblick über die Datenerfassung und -integration sowie Techniken zur Datenvorbereitung und Visualisierung
• Praktische Vorbereitung
• Projektdaten vorbereiten
• Gruppendiskussion über Projekte

Modelltraining

• Auswahl des richtigen Algorithmus
• Formatierung und Aufteilung Ihrer Daten für das Training
• Verlustfunktionen und Gradientenabstieg zur Verbesserung Ihres Modells
• Erstellen eines Übungsauftrags in Amazon SageMaker

Modellauswertung

• Wie man Klassifikationsmodelle auswertet
• Wie man Regressionsmodelle auswertet
• Üben von Modelltraining und -bewertung
• Trainieren und Bewerten von Projektmodellen
• Erste Projektpräsentationen

Merkmalstechnik und Modellabstimmung

• Merkmalsextraktion, -auswahl, -erstellung und -umwandlung
• Abstimmung der Hyperparameter
• Üben von Feature-Engineering und Modellabstimmung
• Anwendung von Feature-Engineering und Modellabstimmung auf Projekte
• Abschließende Projektpräsentationen

Einsatz

• Wie Sie Ihr Modell auf Amazon SageMaker einsetzen, ableiten und überwachen
• Erstellen eines Amazon SageMaker-Endpunkts
• Einsatz von ML at the edge
• Post-Assessment

Schulungsunterlagen

Mit einer erfolgreichen Teilnahme an einer Schulung bei IT-Schulungen.com erwerben Sie nicht nur Wissen und Kompetenz, sondern erhalten auch zusätzlich zum Teilnahmezertifikat Ihr Open Badge als digitalen Kompetenznachweis.

Diesen erhalten Sie in Ihrem persönlichen und kostenlosen Mein IT-Schulungen.com Account. Ihre erworbenen Badges können Sie anschließend in sozialen Medien einbinden und teilen.

Infos zu den Vorteilen unter Badges