Kurs

The Machine Learning Pipeline on AWS – Intensive Training («AWSA07»)

Dieser Kurs bereitet Sie auf die Zertifizierung 'AWS Certified Machine Learning (Specialty Level)' vor. Sie lernen, die Pipeline für maschinelles Lernen (ML) zu verwenden, um ein reales Geschäftsproblem in einer projektbasierten Lernumgebung zu lösen.
Dauer 4 Tage
Preis 3'700.–   zzgl. 8.1% MWST
Kursdokumente Digitale Original-AWS-Kursunterlagen
Relevante Jobrollen: Machine Learning & AI
Anmelden

Kurs-Facts

  • Auswahl und Begründung des geeigneten ML-Ansatzes für ein gegebenes Geschäftsproblem
  • Verwendung der ML-Pipeline zur Lösung eines bestimmten Geschäftsproblems
  • Training, Bewertung, Bereitstellung und Tuning eines ML-Modells in Amazon SageMaker
  • Beschreibung einiger der Best Practices für den Entwurf skalierbarer, kostenoptimierter und sicherer ML-Pipelines in AWS
  • Anwendung des maschinellen Lernens auf ein real existierendes Geschäftsproblem nach Abschluss des Kurses
Die Teilnehmer lernen die einzelnen Phasen der Pipeline durch Präsentationen und Demonstrationen der Trainer kennen und wenden dieses Wissen an, um ein Projekt zur Lösung eines von drei Geschäftsproblemen zu implementieren: Betrugserkennung, Empfehlungsmaschinen oder Flugverspätungen.
Am Ende des Kurses werden die Teilnehmer erfolgreich ein ML-Modell mit Amazon SageMaker erstellt, trainiert, evaluiert, abgestimmt und bereitgestellt haben, das das von ihnen gewählte Geschäftsproblem löst.

Kursübersicht:

Erster Tag
Modul 0: Einführung
  • Pre-Assessment
Modul 1: Einführung in maschinelles Lernen und die ML-Pipeline
  • Überblick über maschinelles Lernen, einschliesslich Anwendungsfälle, Arten des maschinellen Lernens und Schlüsselkonzepte
  • Überblick über die ML-Pipeline
  • Einführung in Kursprojekte und Vorgehensweise
Modul 2: Einführung in Amazon SageMaker
  • Einführung in Amazon SageMaker
  • Demo: Amazon SageMaker und Jupyter-Notebooks
  • Hands-on: Amazon SageMaker und Jupyter-Notebooks
Modul 3: Problemformulierung
  • Überblick über die Problemformulierung und die Entscheidung, ob ML die richtige Lösung ist
  • Umwandlung eines Geschäftsproblems in ein ML-Problem
  • Demo: Amazon SageMaker Ground Truth
  • Hands-on: Amazon SageMaker Ground Truth
  • Problemformulierung üben
  • Probleme für Projekte formulieren
Zweiter Tag
 
Kontrollpunkt 1 und Überprüfung der Antworten
Modul 4: Vorverarbeitung
  • Überblick über Datensammlung und -integration sowie Techniken zur Datenvorverarbeitung und -visualisierung
  • Vorverarbeitung üben
  • Projektdaten vorverarbeiten
  • Klassendiskussion über Projekte
Dritter Tag
 
Kontrollpunkt 2 und Überprüfung der Antworten
Modul 5: Modell-Training
  • Auswahl des richtigen Algorithmus
  • Formatieren und Aufteilen Ihrer Daten für das Training
  • Verlustfunktionen und Gradientenverfahren zur Verbesserung Ihres Modells
  • Demo: Einen Training Job in Amazon SageMaker erstellen
Modul 6: Modell-Bewertung
  • Wie man Klassifikations-Modelle auswertet
  • Wie man Regressions-Modelle auswertet
  • Praxismodell-Training und -Bewertung
  • Projektmodelle trainieren und auswerten
  • Erste Projektpräsentationen
Vierter Tag
 
Kontrollpunkt 3 und Überprüfung der Antworten
Modul 7: Feature Engineering und Modell-Tuning
  • Feature-Extraktion, -Auswahl, -Erstellung und -Transformation
  • Hyperparameter-Tuning
  • Demo: SageMaker-Hyperparameter-Optimierung
  • Feature Engineering und Modell-Tuning üben
  • Anwenden von Feature Engineering und Modell-Tuning auf Projekte
  • Abschliessende Projektpräsentationen
Modul 8: Einsatz
  • Wie Sie Ihr Modell auf Amazon SageMaker bereitstellen, ableiten und überwachen
  • Edge-Einsatz von ML
  • Demo: Erstellen eines Amazon SageMaker-Endpunkts
  • Post-Assessment
  • Nachbereitung des Kurses
 Dieser Kurs richtet sich an folgende Jobrollen:
  • Machine Learning & AI
 Wir empfehlen, dass die Teilnehmer dieses Kurses die folgenden Voraussetzungen mitbringen:
  • 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
und den folgenden Kurs besucht haben (oder gleichwertige Kenntnisse):

Download

Kursdetails als PDF

Fragen zum Kurs

Wählen Sie Ihr Datum

Weiterführende Kurse

Lernen Sie Ihre Trainer kennen