Es gibt weiterführende Kurse, die auf diesem Schulungsthema aufbauen.
The Machine Learning Pipeline on AWS
Seminardauer: 4 Tage
Das Seminar "The Machine Learning Pipeline on AWS" wurde abgekündigt. Wir können Ihnen diese Schulung in Form eines Workshops in Ihrem Unternehmen anbieten.
Ziele der Schulung
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 Seminar
- 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.
Seminarinhalt
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 für dieses Seminar - Ihr digitaler Kompetenznachweis
Durch die erfolgreiche Teilnahme an einem Kurs bei IT-Schulungen.com erhalten Sie zusätzlich zu Ihrem Teilnehmerzertifikat ein digitales Open Badge (Zertifikat) – Ihren modernen Nachweis für erworbene Kompetenzen.
Ihr Open Badge ist jederzeit in Ihrem persönlichen und kostenfreien Mein IT-Schulungen.com-Konto verfügbar. Mit wenigen Klicks können Sie diesen digitalen Nachweis in sozialen Netzwerken teilen, um Ihre Expertise sichtbar zu machen und Ihr berufliches Profil gezielt zu stärken.
Sie haben in Ihrem Browser Javascript deaktiviert! Bitte aktivieren Sie Javascript um eine korrekte Darstellung und Funktionsweise von IT-Schulungen zu gewährleisten.