Lade Schulungen
vollständiger Stern vollständiger Stern vollständiger Stern vollständiger Stern halber Stern
4.8
(79)

Machine Learning Pipeline in AWS

AWS: Nutzung der ML-Pipeline zur Lösung von Geschäftsproblemen

Amazon Web Services (AWS) bietet deinem Unternehmen die passenden Möglichkeiten der Nutzung Cloud-Architekturen zur Auslagerung von Daten, Services und der Nutzung cloudbasierter Ressourcen. AWS sind dabei Individuell anpassbar, skalierbar, sicher und hochverfügbar. Mit Hilfe von Machine Learning (ML) lassen sich an einem Lernmodell Lösungsmöglichkeiten von real existierenden Geschäftsproblemen entwickeln und erproben. Als Pipeline beschreibt man hierbei die Zusammenfassung von entsprechenden Arbeitsschritten innerhalb des Modells. Diese Machine Learning Pipeline on AWS Schulung umfasst Fachwissen und praxisorientierte Übungen, um die ML-Pipeline mit Unterstützung des AWS Machine-Learning-Services „Amazon SageMaker“ zur Entwicklung von Lösungsansätzen von unternehmerischen Problemen verwenden zu können. Ausgehend von der konkreten Definition von Geschäftsproblemen als so genannte ML-Probleme, über die Auswahl eines geeigneten ML-Ansatzes, trainierst du mit Amazon SageMaker wie sich ML-Modelle bewerten, optimieren und bereitstellen lassen. Dein Trainer legt in dieser Machine Learning Pipeline on AWS Schulung entsprechend großen Wert auf praktisches Lernen, so dass du im Verlauf das erworbene Wissen auf ein zuvor ausgewähltes Projektbeispiel anwenden kannst.

Inhalte Machine Learning Pipeline on AWS

Tag 1 der Machine Learning Pipeline in AWS Schulung

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 die Kursprojekte und Vorgehensweise

Einführung in Amazon SageMaker

  • Einführung in Amazon SageMaker
  • Demo: Amazon SageMaker und Jupyter-Notebooks
  • Hands-on: Amazon SageMaker und Jupyter-Notizbücher

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
  • Praktische Anwendung: Amazon SageMaker Ground Truth

Tag 2 der Machine Learning Pipeline in AWS Schulung

Problemformulierung (Fortsetzung)

  • Problemformulierung üben
  • Probleme für Projekte formulieren

Vorverarbeitung

  • Überblick über die Datenerfassung und -integration sowie Techniken zur Datenvorverarbeitung und -visualisierung
  • Vorverarbeitung üben
  • Projektdaten vorverarbeiten und Projektfortschritt besprechen

Tag 3 der Machine Learning Pipeline in AWS Schulung

Modelltraining

  • Auswahl des richtigen Algorithmus
  • Formatierung und Aufteilung deiner Daten für das Training
  • Verlustfunktionen und Gradientenabstieg zur Verbesserung deines Modells
  • Demo: Erstellen eines Trainingsauftrags in Amazon SageMaker

Modellauswertung

  • Wie du Klassifikationsmodelle auswertest
  • Wie du Regressionsmodelle auswertest
  • Übe das Trainieren und Auswerten von Modellen
  • Projektmodelle trainieren und auswerten, dann Ergebnisse präsentieren

Tag 4 der Machine Learning Pipeline in AWS Schulung

Merkmalstechnik und Modellabstimmung

  • Feature-Extraktion, -Auswahl, -Erstellung und -Transformation
  • Abstimmung der Hyperparameter
  • Demo: SageMaker Hyperparameter-Optimierung
  • Üben von Feature-Engineering und Modellabstimmung
  • Anwendung von Feature-Engineering und Modelltuning auf Projekte
  • Abschließende Projektpräsentationen

Einsatz

  • Einsatz, Inferenz und Überwachung deines Modells auf Amazon SageMaker
  • Einsatz von ML am Rande
  • Demo: Erstellen eines Amazon SageMaker-Endpunkts
  • Post-Assessment
  • Nachbereitung des Kurses

Wir schulen auch bei dir vor Ort!

Diese Machine Learning Pipeline on AWS Schulung führen wir auch bei dir im Unternehmen als individualisierte Machine Learning Pipeline on AWS-Firmenschulung durch.

Machine Learning Pipeline in AWS: Zielgruppe Machine Learning Pipeline on AWS

  • Entwickler
  • Solutions Architects
  • Data Engineers
  • Jeder, der die Möglichkeiten der ML Pipeline und des Amazon SageMaker kennenlernen möchte mit keiner oder wenig Erfahrung mit Machine Learning

Machine Learning Pipeline in AWS: Voraussetzungen Machine Learning Pipeline on AWS

  • Basiswissen in Python
  • Grundverständnis der AWS Cloud Infrastruktur (Amazon S3 und CloudWatch)
  • Verständnis der Arbeit in einer Jupyter Notebook Umgebung

Bewertungen

Machine Learning Pipeline on AWS Schulung
Daumen nach oben (Bewertungsübersicht)
4.8
79 Bewertungen
vollständiger Stern vollständiger Stern vollständiger Stern vollständiger Stern halber Stern
Kundenstimme männlich
Markus H.
CARAT Dreieich
vollständiger Sternvollständiger Sternvollständiger Sternvollständiger Sternvollständiger Stern
Der Trainer machte einen sehr netten und kompetenten Eindruck und ging auf unsere Wünsche und Anregungen sehr praxisorientiert ein .
Kundenstimme männlich
Mausolf B.
Struers GmbH
vollständiger Sternvollständiger Sternvollständiger Sternvollständiger Sternvollständiger Stern
Tolle Schulung - kompetenter Trainer, der geduldig auf alle Fragen einging, diese beantworten konnte und darüber hinaus viele neue Anregungen mit auf den Weg gab. Die Schulung hat Spaß gemacht.
Kundenstimme männlich
Thomas M.
Aldi GmbH & Co. KG
vollständiger Sternvollständiger Sternvollständiger Sternvollständiger Sternvollständiger Stern
Lernen in einem sehr entspannten und angenehmen Klima. Prima!
Close Modal

Lade dir ein PDF mit allen Infos zur Schulung herunter

Unterrichtszeiten

Schulungsort

Live Online Schulung

Technische Voraussetzungen

Hinweise zur Anreise

Hinweise zum Schulungsort

Anfrage

Deine Daten für die gewünschte Anfrage

*“ zeigt erforderliche Felder an

Hidden
Bitte gib eine Zahl von 1 bis 99 ein.
Dieses Feld dient zur Validierung und sollte nicht verändert werden.