Machine Learning Pipeline on AWS

Erster Tag

Modul 0: Einführung
• Vorab-Bewertung

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-Notizbücher
• Hands-on: Amazon SageMaker und Jupyter-Notizbücher

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-Grundwahrheit
• Hands-on: Amazon SageMaker-Grundwahrheit

Zweiter Tag

Modul 3: Problemformulierung (Fortsetzung)
• Problemformulierung üben
• Probleme für Projekte formulieren
• Kontrollpunkt 1 und Überprüfung der Antwort

Modul 4: Vorverarbeitung
• Überblick über Datensammlung und -integration sowie Techniken zur Datenvorverarbeitung und -visualisierung
• Vorverarbeitung üben
• Projektdaten vorverarbeiten und Projektfortschritt diskutieren

Dritter Tag
• Kontrollpunkt 2 und Überprüfung der Antwort

Modul 5: Modell-Ausbildung
• Auswahl des richtigen Algorithmus
• Formatieren und Aufteilen Ihrer Daten für die Schulung
• Verlustfunktionen und Gradientenabfall zur Verbesserung Ihres Modells
• Demo: Einen Ausbildungsplatz in Amazon SageMaker erstellen

Modul 6: Modellbewertung
• Wie man Klassifikationsmodelle auswertet
• Wie man Regressionsmodelle auswertet
• Praxismodell Ausbildung und Bewertung
• Projektmodelle ausbilden und evaluieren, dann Ergebnisse präsentieren

Vierter Tag
• Kontrollpunkt 3 und Überprüfung der Antwort

Modul 7: Feature Engineering und Modellabstimmung
• Feature-Extraktion, -Auswahl, -Erstellung und -Transformation
• Hyperparameter-Abstimmung
• Demo: SageMaker Hyperparameter-Optimierung
• Feature-Engineering und Modellabstimmung üben
• Anwenden von Feature Engineering und Modellabstimmung auf Projekte
• Abschließende Projektpräsentationen

Modul 8: Einsatz
• Wie Sie Ihr Modell auf Amazon SageMaker bereitstellen, ableiten und überwachen
• Einsatz von ML an der Kante
• Demo: Erstellen eines Amazon SageMaker-Endpunkts
• Nach der Bewertung
• Nachbereitung des Kurses

Dieser Kurs ist konzipiert für:
• Entwickler
• Lösungen Architekten
• Datentechniker
• Jeder, der etwas über die ML-Pipeline mit Amazon SageMaker lernen möchte, auch wenn Sie wenig bis gar keine Erfahrung mit maschinellem Lernen haben

Wir empfehlen den Teilnehmern dieses Kurses, dies zu tun:
• Grundkenntnisse in Python
• Grundverständnis der AWS Cloud-Infrastruktur (Amazon S3 und Amazon CloudWatch)
• Grundlegendes Verständnis der Arbeit in einer Jupyter-Notebook-Umgebung

Was Sie in diesem Kurs lernen:
• Auswahl und Begründung des geeigneten ML-Ansatzes für ein bestimmtes Geschäftsproblem
• Nutzen Sie die ML-Pipeline, um ein spezifisches Geschäftsproblem zu lösen: Trainieren, Bewerten, Bereitstellen und Abstimmen eines ML-Modells in Amazon SageMaker
• Beschreiben Sie einige der besten Praktiken für den Entwurf skalierbarer, kostenoptimierter und sicherer ML-Pipelines in AWS
• Anwendung des maschinellen Lernens auf ein reales Geschäftsproblem nach Abschluss des Kurses

Lernen Sie mit praktischen Übungen und vier Tagen Unterricht, wie Sie die ML-Pipeline (Machine Learning) mit Amazon SageMaker nutzen können. Sie lernen, wie Sie Ihre Geschäftsprobleme als ML-Probleme formulieren und Amazon SageMaker zum Trainieren, Bewerten, Abstimmen und Bereitstellen von ML-Modellen verwenden können. Praktisches Lernen ist eine Schlüsselkomponente dieses Kurses, d.h. Sie wählen ein Projekt aus, an dem Sie arbeiten möchten, und wenden das erlernte Wissen und die Fertigkeiten dann in jeder Phase der Pipeline auf das von Ihnen gewählte Projekt an. Sie haben die Wahl zwischen verschiedenen Projekten: Betrugserkennung, Empfehlungsmaschinen oder Flugverspätungen.

Lehrmethode :Dieser Kurs setzt sich zusammen aus:
• Schulung mit Kursleiter
• Praktische Übungen
• Gruppenübungen

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind in englischer Sprache, Kurssprache des Trainers ist deutsch.

Dieses Training wird über unser Partner tecRacer ausgeführt.

Informationsblatt im PDF-Format herunterladen und ausdrucken.

Individuelle Trainings

Machine Learning Pipeline on AWS können Sie als klassischen Präsenzunterricht buchen. Darüber hinaus bieten wir den Kurs auch in anderen Trainingsformen an. Gerne informieren wir Sie persönlich und unverbindlich über die Details. Bitte wählen Sie das Angebot, eine Mehrfachauswahl ist möglich.

Präsenzunterricht
(weitere Informationen)

Inhouse Training
(weitere Informationen)

Einzelcoaching
(weitere Informationen)

Firmentraining
(weitere Informationen)

Floor Walking
(weitere Informationen)

Online Learning
(weitere Informationen)

Sie haben folgende Trainingsmethoden ausgewählt:
Präsenzunterricht

Ihr Name *

Ihre Email-Adresse *

Ihre Telefonnummer

Ihre Stadt

Bitte tragen Sie hier NICHTS ein:

Ihre Nachricht *

* Pflichtfelder