Skip to main content

The Machine Learning Pipeline on AWS


Erlernen Sie die Verwendung einer Pipeline für maschinelles Lernen (ML) mit Amazon SageMaker anhand praktischer Übungen und vier Tagen Schulung. Sie lernen, wie Sie Ihre Businessprobleme als ML-Probleme formulieren und Amazon SageMaker verwenden, um ML-Modelle zu trainieren, zu bewerten, abzustimmen und einzusetzen. Das praxisorientierte Lernen ist eine Schlüsselkomponente dieses Kurses.

The Machine Learning Pipeline on AWS

aktuelle Kurs-Termine finden Sie am Ende dieser Seite … Firmenschulungen gerne auf Anfrage!

Beschreibung

Erlernen Sie die Verwendung einer Pipeline für maschinelles Lernen (ML) mit Amazon SageMaker anhand praktischer Übungen und vier Tagen Schulung. Sie lernen, wie Sie Ihre Businessprobleme als ML-Probleme formulieren und Amazon SageMaker verwenden, um ML-Modelle zu trainieren, zu bewerten, abzustimmen und einzusetzen. Das praxisorientierte Lernen ist eine Schlüsselkomponente dieses Kurses. Sie wählen ein Projekt aus, an dem Sie arbeiten möchten, und wenden dann das Wissen und die Fähigkeiten, die Sie erlernen, in jeder Phase der Pipeline auf das gewählte Projekt an. Sie haben die Wahl zwischen folgenden Projekten: Betrugserkennung, Empfehlungsmaschinen oder Flugverspätungen.

Kursziele

Was Sie in diesem Kurs lernen:

  • Auswahl und Begründung des geeigneten ML-Ansatzes für ein bestimmtes Business-Problem
  • Verwendung der ML-Pipeline zur Lösung eines spezifischen Business-Problems
  • Trainieren, Bewerten, Bereitstellen und Abstimmen eines ML-Modells in Amazon SageMaker
  • Beschreiben Sie einige der besten Verfahren für die Entwicklung skalierbarer, kostenoptimierter und sicherer ML-Pipelines in AWS
  • Anwendung des maschinellen Lernens auf ein reales Geschäftsproblem nach Abschluss des Kurses

ZIELGRUPPE

Dieser Kurs ist konzipiert für:

  • Entwickler
  • Solutions Architects
  • Data Engineers
  • Jeder, der die ML-Pipeline über Amazon SageMaker kennenlernen möchte, auch wenn Sie wenig oder keine Erfahrung mit maschinellem Lernen haben

VORAUSSETZUNGEN

Wir empfehlen, dass die Teilnehmer dieses Kurses folgende Voraussetzungen erfüllen:

  • Grundkenntnisse in Python
  • Grundlegende Kenntnisse der AWS-Cloud-Infrastruktur (Amazon S3 und Amazon CloudWatch)
  • Grundlegende Kenntnisse der Arbeit in einer Jupyter-Notebook-Umgebung

LEHRMETHODE

Dieser Kurs setzt sich zusammen aus:

  • Schulung mit Kursleiter
  • Praktische Übungen
  • Gruppenübungen

KURSDAUER / PREIS

  • 4 Tage
  • € 2.795,00 zzgl. Mwst. pro Person (DE)
  • CHF 3.700,00 zzgl. Mwst. pro Person (CH)

KURSINHALT

TAG 1

Modul 0: Einführung
• Vorbereitung

Modul 1: Einführung in maschinelles Lernen und die ML-Pipeline
• Überblick über das maschinelle Lernen, einschließlich Anwendungsfälle, Arten des maschinellen Lernens und Schlüsselkonzepte
• Überblick über die ML-Pipeline
• Einführung in die Kursprojekte und die Herangehensweise

Modul 2: Einführung in Amazon SageMaker
• Einführung in Amazon SageMaker
• Demo: Amazon SageMaker und Jupyter-Notebooks
• Praktische Anwendung: 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
• Praktische Anwendung: Amazon SageMaker Ground Truth

TAG 2

Modul 3: Problemformulierung (Fortsetzung)
• Problemformulierung üben
• Problemstellungen für Projekte formulieren

Checkpoint 1 und Überprüfung der Antworten
Modul 4: Vorverarbeitung
• Überblick über die Datenerfassung und -integration sowie Techniken zur Datenvorverarbeitung und -visualisierung
• Vorverarbeitung üben
• Vorverarbeitung von Projektdaten und Besprechung des Projektfortschritts

TAG 3

Checkpoint 2 und Überprüfung der Antworten
Modul 5: Modellschulung
• Die Wahl des richtigen Algorithmus
• Formatierung und Aufteilung Ihrer Daten für das Training
• Verlustfunktionen und Gradientenabstieg zur Verbesserung Ihres Modells
• Demo: Erstellen eines Trainingsjobs in Amazon SageMaker

Modul 6: Modellbewertung
• Wie man Klassifikationsmodelle bewertet
• Wie man Regressionsmodelle auswertet
• Schulung und Bewertung von Trainingsmodellen
• Schulung und Bewertung von Projektmodellen und anschließende Präsentation der Ergebnisse

TAG 4

Checkpoint 3 und Überprüfung der Antworten
Modul 7: Merkmalstechnik und Modellabstimmung
• Merkmalsextraktion, -auswahl, -erstellung und -umwandlung
• Abstimmung der Hyperparameter
• Demo: SageMaker Hyperparameter-Optimierung
• Üben Sie Feature Engineering und Modellabstimmung
• Anwendung von Feature Engineering und Modelloptimierung auf Projekte
• Abschließende Projektpräsentationen

Modul 8: Deployment
• Deployment, Inferenz und Monitoring Ihres Modells auf Amazon SageMaker
• Datennahes Deploying von ML
• Demo: Erstellen eines Amazon SageMaker-Endpunkts
• Nachbereitung
• Nachbereitung des Kurses

 

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.

Die nächsten Termine für: The Machine Learning Pipeline on AWS


Termine für dieses Training gerne auf Anfrage.