Header Background
 
 
 

The Machine Learning Pipeline on AWS

Seminardauer: 4 Tage

Ziele

In dieser 4-tägigen Schulung "The Machine Learning Pipeline on AWS" lernen Sie, wie Sie die iterative Prozesspipeline des maschinellen Lernens (ML) in einer projektbasierten Lernumgebung nutzen können, um ein reales Geschäftsproblem zu lösen. Der Kurs behandelt die einzelnen Phasen der Prozesspipeline anhand von Präsentationen und Demonstrationen des Kursleiters. Anschließend wenden Sie dieses Wissen an, um ein Projekt zur Lösung eines von drei Geschäftsproblemen durchzuführen: Betrugserkennung, Empfehlungsmodule oder Flugverspätungen. Am Ende des Kurses werden Sie erfolgreich ein ML-Modell mit Amazon SageMaker erstellt, geschult, bewertet, abgestimmt und bereitgestellt haben, das das von Ihnen gewählte Geschäftsproblem löst.

Dieser Kurs ist für Teilnehmer mit wenig bis gar keinen Erfahrungen oder Kenntnissen im Bereich maschinelles Lernen geeignet und bietet die Möglichkeit, einen geeigneten ML-Ansatz für ein bestimmtes Geschäftsproblem auszuwählen und zu begründen. Sie lernen, wie Sie die ML Pipeline verwenden, um ein spezifisches Geschäftsproblem zu lösen, und erhalten Best Practices für den Entwurf skalierbarer, kostenoptimierter und sicherer ML-Pipelines in AWS.

Insgesamt werden Sie in diesem Kurs die praktische Anwendung von Machine Learning auf ein reales Geschäftsproblem erlernen und dadurch wertvolle Fähigkeiten in diesem aufstrebenden Bereich entwickeln.

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

Für eine optimale Teilnahme am Kurs empfehlen wir folgende Vorkenntnisse:

  • 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

Lernmethodik

Die Schulung bietet Ihnen eine ausgewogene Mischung aus Theorie und Praxis in einer erstklassigen Lernumgebung. Profitieren Sie vom direkten Austausch mit unseren projekterfahrenen Trainern und anderen Teilnehmern, um Ihren Lernerfolg zu maximieren.

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

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

Digital Skills Open Badges

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

TerminStandortAktion
02.07. - 05.07.2024 Hamburg Seminar jetzt anfragen
05.08. - 08.08.2024 München Seminar jetzt anfragen
17.09. - 20.09.2024 Köln Seminar jetzt anfragen
15.10. - 18.10.2024 Nürnberg Seminar jetzt anfragen
 

1.) Wählen Sie den Seminartyp:




2.) Wählen Sie Ort und Datum:

2.795,00 € Preis pro Person

spacing line3.326,05 € inkl. 19% MwSt
Seminarunterlagen inkl.
Verpflegung zzgl.

Seminar jetzt anfragen Auf den Merkzettel
PDF IconPDF Icon
 

Diese Seite weiterempfehlen:

0
Merkzettel öffnen
0
Besuchsverlauf ansehen
IT-Schulungen.com Control Panel
Warnung Icon Sie haben in Ihrem Browser Javascript deaktiviert! Bitte aktivieren Sie Javascript um eine korrekte Darstellung und Funktionsweise von IT-Schulungen zu gewährleisten. Warnung Icon