Skip to main content

Exam Prep: AWS Certified Cloud Practitioner

Geschrieben von Gemma Corrado am . Veröffentlicht in AWS Training, Training.


Exam Prep: AWS Certified Cloud Practitioner

aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

BESCHREIBUNG

In diesem eintägigen Kurs bereiten Sie sich auf die Prüfung AWS Certified Cloud Practitioner vor. Der Kurs vermittelt Ihnen, welche Inhalte für die Prüfung besonders wichtig sind, wie Sie verschiedene Fragetypen richtig angehen und wie Sie gängige Fehlannahmen identifizieren, die in der Prüfung vorkommen. Unser Trainer leitet Sie durch die prüfungsorientierte Besprechung jedes Themenbereichs, hebt häufig abgefragte Konzepte hervor, klärt leicht verwechselbare Inhalte und zeigt strategische Ansätze zur Analyse von Fragen auf. Durch gezieltes Üben mit prüfungsnahen Fragen entwickeln Sie das spezifische Wissen und die Prüfungsfertigkeiten, die für das Bestehen der Zertifizierungsprüfung erforderlich sind.

Kursziele

In diesem Kurs werden Sie:

  • Den Umfang und Inhalt der AWS Certified Cloud Practitioner-Prüfung kennenlernen
  • Effektive Strategien für verschiedene Fragetypen anwenden
  • Anhand von Fragen im Prüfungsstil üben, um Selbstvertrauen aufzubauen und Wissenslücken zu identifizieren
  • Die wichtigsten Konzepte aller Prüfungsbereiche verstehen, darunter Cloud-Konzepte, Sicherheit und Compliance, Cloud-Technologie und -Services sowie Abrechnung, Preisgestaltung und Support

ZIELGRUPPE

Dieser Kurs ist konzipiert für:

  • Personen mit bis zu 6 Monaten Erfahrung im Bereich AWS Cloud-Design, -Implementierung und/oder -Betrieb, die sich auf die AWS Certified Cloud Practitioner-Prüfung vorbereiten.

Voraussetzungen

Um diesen Kurs erfolgreich zu absolvieren, sollten Sie über folgende Kenntnisse verfügen:

  • Bis zu 6 Monate Erfahrung mit AWS Cloud-Design, -Implementierung und/oder -Betrieb
  • Grundlegendes Verständnis von IT-Services und deren Verwendung in der AWS Cloud
  • Kenntnisse über AWS-Services und die AWS Management Console

    LEHRMETHODE

    Dieser Kurs setzt sich zusammen aus:

    • Präsentationen
    • Diskussionen
    • Geführte Übungen mit prüfungsähnlichen Fragen
    • Szenariobasierte Diskussionen

    KURSDAUER / PREIS

    • 1 Tag
    • € 750,00 zzgl. Mwst. pro Person (DE)

    KURSINHALT

    Tag 1

    • Modul 0: Einführung und Prüfungsüberblick
      • Informationen zur Prüfung
        • Format und Aufbau
        • Fragetypen und Bewertung
        • Prüfungsstrategien
        • Vorbereitungsressourcen
    • Modul 1: Cloud-Konzepte
      • Vorteile der AWS-Cloud definieren
      • Designprinzipien der AWS-Cloud erkennen
      • Vorteile und Strategien für die Migration in die AWS-Cloud verstehen
      • Konzepte der Cloud-Ökonomie verstehen
      • Durchgang von prüfungsähnlichen Fragen
      • Zusätzliche Übungsfragen
    • Modul 2: Sicherheit und Compliance
      • Das AWS Shared Responsibility Model verstehen
      • Konzepte zu AWS-Cloud-Sicherheit, Governance und Compliance verstehen
      • Möglichkeiten des AWS-Zugriffsmanagements erkennen
      • Komponenten und Ressourcen für Sicherheit identifizieren
      • Durchgang von prüfungsähnlichen Fragen Zusätzliche
      • Übungsfragen
    • Modul 3: Cloud-Technologie und Services
      • Methoden für die Bereitstellung und den Betrieb in der AWS Cloud definieren
      • Die globale AWS-Infrastruktur definieren
      • AWS-Compute-Services identifizieren
      • AWS-Datenbank-Services identifizieren
      • AWS-Netzwerkservices identifizieren
      • AWS-Speicher-Services identifizieren
      • AWS-KI- und ML-Services sowie Analytics-Services identifizieren
      • Services aus anderen relevanten AWS-Service-Kategorien identifizieren
      • Durchgang von prüfungsähnlichen Fragen
      • Zusätzliche Übungsfragen
    • Modul 4: Abrechnung, Preisgestaltung und Support
      • AWS-Preisgestaltungsmodelle vergleichen
      • Ressourcen für Abrechnung, Budgetierung und Kostenmanagement verstehen
      • AWS-Technical-Resources und Support-Optionen erkennen
      • Durchgang von prüfungsähnlichen Fragen
      • Zusätzliche Übungsfragen
    • Modul 5: Kursabschluss
      • Rückblick auf die Prüfungsbereiche
      • Letzte Prüfungsstrategien
      • Weitere Vorbereitungsressourcen
      • Nächste Schritte

    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 auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
    Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

    Neue Termine in Planung!

    Weiterlesen

    Agentic AI Foundations

    Geschrieben von Gemma Corrado am . Veröffentlicht in AWS Training, Training.


    Agentic AI Foundations

    aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

    BESCHREIBUNG

    Im Kurs Agentic AI Foundations  lernen Sie die grundlegenden Prinzipien und Strategien für das Design von Agentic AI-Systemen mit AWS-Services kennen. Sie erfahren, wie sich Agentic AI von herkömmlichen Conversational Systems unterscheidet und wie Sie Tools wie Amazon Q, Kiro, Amazon Bedrock Agents und Amazon Bedrock AgentCore nutzen können, um autonome, zielorientierte Lösungen zu entwickeln, die reale Probleme lösen.

    Kursziele

    In diesem Kurs lernen Sie:

    • die Entwicklung von Agentic AI zusammenzufassen und zu definieren, was etwas „agentic“ macht
    • die zentralen Komponenten von agentic Systemen zu identifizieren
    • zwischen Workflow-, autonomen und hybriden Agents zu unterscheiden
    • AWS-Service-Optionen für Agentic AI zu vergleichen
    • die Funktionen und Anwendungsfälle von Amazon Q Developer, Amazon Q Business und Kiro zu beschreiben
    • die Grundlagen von Amazon Bedrock AgentCore und Amazon Bedrock Agents zu erklären
    • grundlegende Implementierungsmuster für Agentic AI zu identifizieren
    • Observability- und Interoperabilitätsmuster für produktive agentic AI-Systeme zu beschreiben

    ZIELGRUPPE

    Dieser Kurs ist konzipiert für:

    • Softwareentwickler, die neu im Bereich Agentic AI sind und Grundlagenwissen aufbauen möchten
    • technische Fachkräfte, die KI-Funktionalitäten erkunden und sich für Kernkomponenten und Anwendungen von agentic AI interessieren
    • Entwicklungsteams, die Agentic AI-Lösungen evaluieren und die Unterschiede zwischen verschiedenen Agent-Typen verstehen müssen
    • AWS-Nutzer, die ihr Wissen auf Agentic AI ausweiten möchten, einschließlich aktueller Anwender von Amazon Q Developer, Amazon Q Business und Amazon Bedrock Agents

    Voraussetzungen

    Wir empfehlen, dass die Teilnehmer an diesem Kurs die folgenden Voraussetzungen erfüllen:

    • die Teilnahme an Generative AI Essentials oder gleichwertige Berufserfahrung
    • grundlegende AWS-Kenntnisse sowie Erfahrung in der Softwareentwicklung

    LEHRMETHODE

    Dieser Kurs setzt sich zusammen aus:

    • Präsentationen
    • Hands-on Labs
    • Gruppenübungen

    KURSDAUER / PREIS

    • 1 Tag
    • € 750,00 zzgl. Mwst. pro Person (DE)

    KURSINHALT

    Tag 1

    • Modul 1: Von LLMs zu Agents
      • Große Sprachmodelle (LLMs) verstehen
      • Innovations powering agents
      • Entwicklungszeitachse von LLMs zu Agenten
    • Modul 2: Einführung in Agentic AI
      • Verständnis von Agentic AI
      • Typen von AI Agents
      • Anwendungsfälle von Agentic AI
    • Modul 3: Agentic AI Workflows verstehenW
      • Workflow-Muster
      • Überblick über Amazon Bedrock Flows
    • Modul 4: Einführung in Autonome Agents
      • Funktionsweise autonomer Agents
      • ReAct
      • ReWoo
      • Zusammenarbeit mehrerer Agents
      • AWS-Lösungen für Agentic AI
    • Modul 5: Amazon Q und Agentic Development Tools
      • Amazon Q Developer
      • Amazon Q Business
      • Amazon Q in AWS-Services
      • Kiro: KI-gestützte IDE mit spezifikationsgetriebener Entwicklung
    • Modul 6: Agentic AI mit Amazon Bedrock
      • Amazon Bedrock Agents
      • Amazon Bedrock AgentCore
      • Praxis-Lab: Arbeiten mit Amazon Bedrock Agents in Kombination mit Amazon Bedrock Knowledge Bases und Amazon Bedrock Guardrails
    • Modul 7: Eigene Lösungen entwickeln (DIY Solutions)
      1. DIY-Lösungen
      2. Observability und Monitoring
      3. Agent-Interoperabilität
    • Modul 8: Kursabschluss
      • Nächste Schritte und weiterführende Ressourcen
      • Kurszusammenfassung

      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 auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
      Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

      Neue Termine in Planung!

      Weiterlesen

      Exam Prep: AWS Certified AI Practitioner

      Geschrieben von Gemma Corrado am . Veröffentlicht in AWS Training, Training.


      Exam Prep: AWS Certified AI Practitioner

      aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

      BESCHREIBUNG

      Der Kurs Exam Prep: AWS Certified AI Practitioner bereitet Sie umfassend auf die Prüfung zum AWS Certified AI Practitioner vor. Sie erhalten einen tiefgehenden Einblick in alle relevanten Themenbereiche der Prüfung und lernen, wie diese mit der Entwicklung von KI- und Machine-Learning-Lösungen auf der AWS-Plattform zusammenhängen. Durch ausführliche Erklärungen und das Durcharbeiten prüfungsähnlicher Fragen festigen Sie Ihr Wissen, decken Wissenslücken auf und entwickeln effektive Strategien zur Bearbeitung der Prüfungsfragen. Die Analyse von Musterfragen hilft Ihnen dabei, falsche Antworten zu erkennen und Ihren Umgang mit der Prüfung weiter zu verbessern. Am Ende des Kurses verfügen Sie über ein solides Verständnis der Konzepte und praktischen Anwendungen, die in der Prüfung zum AWS Certified AI Practitioner abgefragt werden.

      Kursziele

      In diesem Kurs lernen Sie:

      • Den Prüfungsumfang und die Inhalte der AWS Certified AI Practitioner Prüfung einzuschätzen.
      • Prüfungsfragen im Stil der echten Prüfung zu üben und Ihre Vorbereitungsstrategie zu bewerten.
      • Anwendungsfälle zu analysieren und voneinander zu unterscheiden.

      ZIELGRUPPE

      Dieser Kurs ist konzipiert für:

      • Personen, die sich auf die AWS Certified AI Practitioner Prüfung vorbereiten.

      Voraussetzungen

      Für die Teilnahme am Kurs sind keine speziellen Trainings vorab erforderlich. Für die Prüfungsvorbereitung wird jedoch folgendes Wissen empfohlen:

      Empfohlenes AWS-Wissen:

      • Grundkenntnisse der wichtigsten AWS-Services (z. B. Amazon EC2, Amazon S3, AWS Lambda, Amazon SageMaker AI) sowie deren typische Anwendungsfälle
      • Erste Erfahrungen (bis zu 6 Monate) mit KI- und ML-Technologien auf AWS
      • Vertrautheit mit KI- und ML-Lösungen auf AWS
      • Kenntnisse des AWS Shared Responsibility Models im Hinblick auf Sicherheit und Compliance
      • Grundverständnis von AWS Identity and Access Management (IAM) zur Absicherung und Steuerung des Zugriffs auf AWS-Ressourcen
      • Grundkenntnisse der AWS-Globalinfrastruktur, einschließlich AWS-Regionen, Availability Zones und Edge-Standorten
      • Vertrautheit mit AWS-Preismodellen

      Empfohlene (aber nicht verpflichtende) Vorbereitungskurse:

      Die folgenden (englischsprachigen) Online-Kurse mit jeweils kurzer Dauer werden zur Unterstützung empfohlen:

      • Fundamentals of Machine Learning and Artificial Intelligence (1 Stunde)
      • Exploring Artificial Intelligence Use Cases and Applications (1 Stunde)
      • Responsible Artificial Intelligence Practices (1 Stunde)
      • Developing Machine Learning Solutions (1 Stunde)
      • Developing Generative Artificial Intelligence Solutions (1 Stunde)
      • Essentials of Prompt Engineering (1 Stunde)
      • Optimizing Foundation Models (1 Stunde)
      • Security, Compliance, and Governance for AI Solutions (1 Stunde)
      • Generative AI for Executives (15 Minuten)
      • Amazon Q Business Getting Started (45 Minuten)
      • Amazon Bedrock Getting Started (1 Stunde)
      • Getting Started with Amazon Comprehend: Custom Classification (1 Stunde 15 Minuten)
      • Build a Question-Answering Bot Using Generative AI (1 Stunde 30 Minuten)

      LEHRMETHODE

      Dieser Kurs setzt sich zusammen aus:

      • Themenübersichtspräsentationen
      • Prüfungsähnliche Fragen
      • Praxisbeispiele
      • Gruppen- und Diskussionsaktivitäten

      KURSDAUER / PREIS

      • 1 Tag
      • € 775,00 zzgl. Mwst. pro Person (DE)

      KURSINHALT

      Tag 1

      • Bereich 1: Grundlagen von Künstlicher Intelligenz (KI) und Machine Learning (ML)
        • Grundlegende Konzepte und Begriffe der KI erklären
        • Praxisnahe Anwendungsfälle für KI identifizieren
        • Den Lebenszyklus der ML-Entwicklung beschreiben
      • Bereich 2: Grundlagen der Generativen KI
        • Grundkonzepte der generativen KI erklären
        • Fähigkeiten und Grenzen der generativen KI zur Lösung geschäftlicher Herausforderungen verstehen
        • AWS-Infrastruktur und -Technologien zum Aufbau generativer KI-Anwendungen beschreiben
      • Bereich 3: Anwendungen von Foundation Models (Grundlagenmodellen)
        • Gestaltungsaspekte bei Anwendungen mit Foundation Models beschreiben
        • Effektive Techniken des Prompt Engineerings auswählen
        • Trainings- und Feinabstimmungsprozesse (Fine-Tuning) von Foundation Models beschreiben
        • Methoden zur Bewertung der Leistungsfähigkeit von Foundation Models beschreiben
      • Bereich 4: Leitlinien für verantwortungsvolle KI
        • Die Entwicklung verantwortungsvoller KI-Systeme erklären
        • Die Bedeutung transparenter und erklärbarer Modelle erkennen
      • Bereich 5: Sicherheit, Compliance und Governance für KI-Lösungen
        • Methoden zur Absicherung von KI-Systemen erklären
        • Vorschriften zu Governance und Compliance für KI-Systeme erkennen

      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 auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
      Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

      Neue Termine in Planung!

      Weiterlesen

      Exam Prep: AWS Certified Machine Learning Engineer – Associate

      Geschrieben von Gemma Corrado am . Veröffentlicht in AWS Training, Training.

      

      

      Exam Prep: AWS Certified Machine Learning Engineer – Associate

      aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

      BESCHREIBUNG

      Der Kurs Exam Prep: AWS Certified Machine Learning Engineer – Associate bereitet Sie umfassend auf die Prüfung zum AWS Certified Machine Learning Engineer – Associate  vor, indem er die wichtigsten Themenbereiche detailliert behandelt. Sie erhalten Einblicke in die zentralen Inhalte der Prüfung und erfahren, wie diese mit der Entwicklung von KI- und ML-Lösungen auf der AWS-Plattform zusammenhängen. Durch ausführliche Erklärungen und das Durcharbeiten von prüfungsähnlichen Fragen festigen Sie Ihr Wissen, erkennen Wissenslücken und erlernen effektive Strategien zum Beantworten der Fragen. Der Kurs beinhaltet auch die Bearbeitung von Musterprüfungsfragen, um Sie dabei zu unterstützen, falsche Antworten zu erkennen und Ihre Prüfungskompetenz zu verbessern. Am Ende des Kurses verfügen Sie über ein fundiertes Verständnis der Konzepte und praktischen Anwendungen, die in der AWS Certified Machine Learning Engineer – Associate Prüfung abgefragt werden.

      Kursziele

      In diesem Kurs lernen Sie:

      • Den Prüfungsumfang und die Inhalte der AWS Certified Machine Learning Engineer – Associate Prüfung einzuschätzen.
      • Prüfungsfragen im Stil der echten Prüfung zu üben und Ihre Vorbereitungsstrategie zu bewerten.
      • Anwendungsfälle zu analysieren und voneinander zu unterscheiden.

      ZIELGRUPPE

      Dieser Kurs ist konzipiert für:

      • Personen, die sich auf die AWS Certified Machine Learning Engineer – Associate Prüfung vorbereiten.

      Voraussetzungen

      Für die Teilnahme am Kurs sind keine speziellen Trainings vorab erforderlich. Für die Prüfungsvorbereitung wird jedoch folgendes Wissen empfohlen:

      Allgemeine IT-Kenntnisse:

      • Etwa 1 Jahr Berufserfahrung in verwandten Rollen, z. B. als Backend-Softwareentwickler, DevOps-Entwickler, Data Engineer oder Data Scientist.
      • Grundverständnis gängiger ML-Algorithmen und deren Anwendungsfälle.
      • Grundlagen im Bereich Data Engineering, einschließlich gängiger Datenformate, Datenaufnahme (Ingestion) und Datenumwandlung für ML-Datenpipelines.
      • Kenntnisse im Abfragen und Transformieren von Daten.
      • Kenntnisse zu bewährten Praktiken der Softwareentwicklung für modulare, wiederverwendbare Code-Entwicklung, Deployment und Debugging.
      • Vertrautheit mit der Bereitstellung und Überwachung von ML-Ressourcen in der Cloud und vor Ort.
      • Erfahrung mit Continuous Integration und Continuous Delivery (CI/CD)-Pipelines sowie Infrastructure as Code (IaC).
      • Erfahrung mit Code-Repositories für Versionskontrolle und CI/CD.

      Empfohlenes AWS-Wissen:

      • Etwa 1 Jahr Erfahrung im Umgang mit Amazon SageMaker AI und weiteren AWS-Diensten im Bereich ML-Engineering.
      • Kenntnisse über Amazon SageMaker und Algorithmen für Modellaufbau und -bereitstellung.
      • Wissen über AWS-Datenspeicher- und -verarbeitungsdienste zur Datenaufbereitung für Modellierung.
      • Vertrautheit mit dem Deployment von Anwendungen und Infrastruktur auf AWS.
      • Kenntnisse zu Monitoring-Tools für Logging und Fehlerbehebung in ML-Systemen.
      • Kenntnisse über AWS-Dienste zur Automatisierung und Orchestrierung von CI/CD-Pipelines.
      • Verständnis für AWS-Sicherheitspraktiken in Bezug auf Identitäts- und Zugriffsmanagement, Verschlüsselung und Datenschutz.

      LEHRMETHODE

      Dieser Kurs setzt sich zusammen aus:

      • Themenübersichtspräsentationen
      • Prüfungsähnliche Fragen
      • Praxisbeispiele
      • Gruppen- und Diskussionsaktivitäten

      KURSDAUER / PREIS

      • 1 Tag
      • € 775,00 zzgl. Mwst. pro Person (DE)

      KURSINHALT

      Tag 1

      • Bereich 1: Datenaufbereitung für Machine Learning (ML)
        • Daten erfassen und speichern
        • Daten transformieren und Feature Engineering durchführen
        • Datenintegrität sicherstellen und Daten für das Modelltraining vorbereiten
      • Bereich 2: Entwicklung von ML-Modellen
        • Modellierungsansatz auswählen
        • Modelle trainieren und optimieren
        • Modellleistung analysieren
      • Bereich 3: Bereitstellung und Orchestrierung von ML-Workflows
        • Bereitstellungsinfrastruktur basierend auf bestehender Architektur und Anforderungen auswählen
        • Infrastruktur gemäß bestehender Architektur und Anforderungen erstellen und skripten
        • Automatisierte Orchestrierungstools zur Einrichtung von Continuous Integration/Continuous Delivery (CI/CD)-Pipelines einsetzen
      • Bereich 4: Überwachung, Wartung und Sicherheit von ML-Lösungen
        • Modellinterferenzen überwachen
        • Infrastrukturkosten überwachen und optimieren
        • AWS-Ressourcen absichern

        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 auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
        Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

        Neue Termine in Planung!

        Weiterlesen

        Machine Learning Engineering on AWS

        Geschrieben von Gemma Corrado am . Veröffentlicht in AWS Training, Training.

        • Aws Advanced Training Partner

        • Aws Premium Consuting Partner

        Machine Learning Engineering on AWS

        aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

        BESCHREIBUNG

        Der Kurs Machine Learning Engineering on AWS ist ein dreitägiger Kurs, der sich an Fachkräfte im Bereich Machine Learning (ML) richtet, die lernen möchten, ML-Lösungen auf AWS zu entwickeln und produktiv einzusetzen. Die Teilnehmenden erwerben, durch eine ausgewogene Mischung aus Theorie, praktischen Übungen und Gruppenaktivitäten, fundierte Kenntnisse über die Entwicklung, Bereitstellung, Orchestrierung und Operationalisierung von skalierbaren ML-Lösungen. Die Kursteilnehmer arbeiten mit AWS-Diensten wie Amazon SageMaker sowie Analyse-Tools wie Amazon EMR, um robuste, skalierbare und produktionsreife Machine-Learning-Anwendungen praxisnah zu entwickeln.

        Kursziele

        In diesem Kurs lernen Sie folgendes:

        • Die Grundlagen des Machine Learning sowie dessen Anwendungsmöglichkeiten in der AWS-Cloud
        • Daten mit AWS-Services für ML-Aufgaben zu verarbeiten, umzuwandeln und aufzubereiten
        • Geeignete ML-Algorithmen und Modellierungsansätze entsprechend der Problemstellung und Anforderungen an die Interpretierbarkeit auszuwählen
        • Skalierbare ML-Pipelines mit AWS-Services für Modelltraining, Bereitstellung und Orchestrierung zu entwerfen und umzusetzen
        • Automatisierte Continuous-Integration- und Continuous-Delivery-(CI/CD)-Pipelines für ML-Workflows zu erstellen
        • Geeignete Sicherheitsmaßnahmen für ML-Ressourcen auf AWS
        • Monitoring-Strategien für produktiv eingesetzte ML-Modelle zu implementieren – einschließlich Techniken zur Erkennung von Data Drift

        ZIELGRUPPE

        Dieser Kurs ist konzipiert für:

        • Fachleute, die ML-Modelle auf AWS entwickeln, bereitstellen und betreiben möchten. Dazu zählen sowohl angehende als auch erfahrene Machine Learning Engineers mit begrenzter AWS-Erfahrung.
        • DevOps Engineers
        • Entwickler
        • Systemadministratoren (SysOps Engineers)

        VORAUSSETZUNGEN

        Teilnehmende sollten idealerweise folgende Kenntnisse mitbringen:
        • Grundlegendes Verständnis von Machine Learning
        • Erfahrung mit der Programmiersprache Python und gängigen Data-Science-Bibliotheken wie NumPy, Pandas und Scikit-learn
        • Grundverständnis von Cloud-Computing-Konzepten und erste Erfahrungen mit AWS
        • Erfahrung mit Versionskontrollsystemen wie Git (von Vorteil, aber nicht zwingend erforderlich)

        LEHRMETHODE

        Dieser Kurs setzt sich zusammen aus:

        • Vorträge
        • Demonstrationen
        • Gruppenübungen
        • Praktische Übungen

        KURSDAUER / PREIS

        • 3 Tage
        • € 1.995,00 zzgl. Mwst. pro Person (DE)

        Kursinhalt

        • Tag 1

          • Modul 0: Einführung in den Kurs
            • Überblick über Kursziele, Inhalte und Ablauf
          • Modul 1: Einführung in Machine Learning (ML) auf AWS
            • Grundlagen des Machine Learning
            • Einführung in Amazon SageMaker AI
            • Verantwortungsvolles Machine Learning (Responsible ML)
          • Modul 2: Analyse von Herausforderungen im Machine Learning (ML)
            • Bewertung von geschäftlichen ML-Herausforderungen
            • Ansätze für das Training von ML-Modellen
            • ML-Trainingsalgorithmen
          • Modul 3: Datenverarbeitung für Machine Learning (ML)
            • Datenvorbereitung und Datentypen
            • Explorative Datenanalyse
            • Speicheroptionen auf AWS und Auswahl der passenden Speicherlösung
          • Modul 4: Datentransformation und Feature Engineering
            • Umgang mit fehlerhaften, doppelten und fehlenden Daten
            • Konzepte des Feature Engineerings
            • Methoden zur Merkmalsauswahl (Feature Selection)
            • AWS-Services zur Datentransformation
            • Lab 1: Datenanalyse und -vorbereitung mit Amazon SageMaker Data Wrangler und Amazon EMR
            • Lab 2: Datenverarbeitung mit SageMaker Processing und dem SageMaker Python SDK

        • Tag 2

          • Modul 6: Container
            • Container-Lösungen im Vergleich zu virtuellen Maschinen
            • Vorteile, Komponenten, Lösungsarchitektur und Versionierung von Docker
            • Container-Hosting auf AWS zur Kostensenkung
            • Managed Container Services: Amazon Elastic Container Service (Amazon ECS) und Amazon Elastic Kubernetes Service (Amazon EKS)
            • AWS Fargate
            • Praktisches Labor: Bereitstellen einer Anwendung mit Amazon EKS auf Fargate
          • Modul 7: Continuous Integration/Continuous Delivery (CI/CD)
            • CI/CD-Lösungen und Auswirkungen
            • CI/CD-Automatisierung mit AWS CodePipeline
            • Deployment Modelle
            • AWS CloudFormation StackSets zur Verbesserung des Deployment-Managements
          • Modul 8: Verfügbarkeit und DDoS-Schutz
            • Gängige DDoS-Angriffe
            • AWS WAF
            • AWS WAF Web Access Control Lists (ACLs), Echtzeitmetriken, Logging und Sicherheitsautomatisierung
            • AWS Shield Advanced-Services und AWS DDoS Response Team (DRT)
            • AWS Network Firewall und AWS Firewall Manager zum Schutz von Konten in großem Umfang
          • Modul 9: Sichern von Daten
            • Was Kryptografie ist, warum man sie verwenden sollte und wie man sie verwendet
            • AWS KMS
            • AWS CloudHSM Architektur
            • FIPS 140-2 Level 2 und Level 3 Verschlüsselung
            • Secrets Manager
          • Modul 10: Groß angelegte Datenspeicher
            • Verwaltung von Amazon S3-Datenspeichern einschließlich Speicherklasse, Inventar, Metriken und Richtlinien
            • Data Lake vs. Data Warehouse: Unterschiede, Vorteile und Beispiele
            • AWS Lake Formation Lösungen, Sicherheit und Kontrolle
            • Praktisches Labor: Einrichten eines Data Lake mit Lake Formation

        • Tag 3

          • Modul 11: Umfangreiche Anwendungen
            • Was sind Edge-Services und warum sollten Sie sie nutzen?
            • Verbesserung der Leistung und Risikominimierung mit Amazon CloudFront
            • Lambda@Edge
            • AWS Global Accelerator: IP-Adressen, intelligente Verkehrsverteilung und Zustandsprüfungen
            • Praktisches Labor: Migrieren einer lokalen NFS Share mit AWS DataSync und Storage Gateway
          • Modul 12: Optimierung der Kosten
            • An-/Abschaffungszyklen vor Ort und in der Cloud
            • Cloud-Kostenmanagement-Tools, einschließlich Berichterstattung, Überwachung und Tagging
            • Beispiele und Analysen zu den fünf Säulen der Kostenoptimierung
          • Modul 13: Migration von Workloads
            • Wirtschaftliche Treiber und der Prozess der Migration
            • Erfolgreiche Kundenpraktiken
            • Die 7 Rs zur Migration und Modernisierung
            • Migrationstools und Services von AWS
            • Migration von Datenbanken und großen Datenspeichern
            • AWS Schema Conversion Tool (AWS SCT)
          • Modul 14: Projekte bewerten
            • Verwenden Sie das Online Course Supplement (OCS), um Anwendungsfälle zu überprüfen, Daten zu untersuchen und Fragen zum Architekturentwurf für Transit Gateway, Hybridkonnektivität, Migration und Kostenoptimierung zu beantworten

        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 auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
        Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

        Neue Termine in Planung!

        Weiterlesen