AWS Amazon Web Services Machine Learning Pipeline on AWS

Kurs: AWS-ML

  • Dauer:
    • 4 Tage

Termine:

  • Durchführung geplant – noch Plätze verfügbar
  • Durchführung – Wahrscheinlichkeit hoch – noch Plätze verfügbar
  • Es sind keine Plätze mehr verfügbar. Bei vielen Kursen besteht eventuell dennoch die Möglichkeit online, über ein virtuelles Klassenzimmer, teilzunehmen.
  • Seminarzeiten: In der Regel finden unsere Seminare an Tag 1 von 10.00 Uhr bis 17.00 Uhr und an den folgenden Tagen von 9.00 Uhr bis 16.00 Uhr statt. Abweichungen sind möglich. Die konkreten Seminarzeiten entnehmen Sie bitte der verbindlichen Auftragsbestätigung.
06.01.2025 - 09.01.2025 Virtual Classroom
  • 3190 EUR / Person
Deutsch
03.03.2025 - 06.03.2025 Virtual Classroom
  • 3190 EUR / Person
Deutsch
12.05.2025 - 15.05.2025 Virtual Classroom
  • 3190 EUR / Person
Deutsch
30.06.2025 - 03.07.2025 Virtual Classroom
  • 3190 EUR / Person
Deutsch
18.08.2025 - 21.08.2025 Virtual Classroom
  • 3190 EUR / Person
Deutsch
27.10.2025 - 30.10.2025 Virtual Classroom
  • 3190 EUR / Person
Deutsch
In diesem viertägigen AWS Machine Learning-Seminar lernen Sie, wie Sie Ihre Geschäftsprobleme als ML-Probleme definieren und mit Amazon SageMaker ML-Modelle bewerten, optimieren und bereitstellen. Der Kurs forciert vor allem praktische Übungen und Projekte, mithilfe derer Sie das Gelernte direkt anwenden.
Overview of machine learning, including use cases, types of machine learning, and key concepts
Overview of the ML pipeline
Introduction to course projects and approach
Introduction to Amazon SageMaker
Demo: Amazon SageMaker and Jupyter notebooks
Hands-on: Amazon SageMaker and Jupyter notebooks
Overview of problem formulation and deciding if ML is the right solution
Converting a business problem into an ML problem
Demo: Amazon SageMaker Ground Truth
Hands-on: Amazon SageMaker Ground Truth
Practice problem formulation
Formulate problems for projects
Overview of data collection and integration, and techniques for data preprocessing and visualization
Practice preprocessing
Preprocess project data and discuss project progress
Choosing the right algorithm
Formatting and splitting your data for training
Loss functions and gradient descent for improving your model
Demo: Create a training job in Amazon SageMaker
How to evaluate classification models
How to evaluate regression models
Practice model training and evaluation
Train and evaluate project models, then present findings
Feature extraction, selection, creation, and transformation
Hyperparameter tuning
Demo: SageMaker hyperparameter optimization
Practice feature engineering and model tuning
Apply feature engineering and model tuning to projects
Final project presentations
How to deploy, interfere, and monitor your model on Amazon SageMaker
Deploying ML at the edge
Demo: Creating an Amazon SageMaker endpoint
Dieser Kurs ist konzipiert für:
Entwickler
Lösungsarchitekten
Dateningenieure
Jeden, der mehr über Amazon SageMaker und die ML-Pipeline erfahren möchte
Wir empfehlen den Teilnehmern dieses Kurses, sich vorab mit folgenden Bereichen beschäftigt zu haben:
Grundkenntnisse in Python
Grundlegendes Verständnis der AWS Cloud-Infrastruktur (Amazon S3 und Amazon CloudWatch)
Grundlegendes Verständnis der Arbeit in einer Jupyter-Notebook-Umgebung
Diesen Kurs führen wir in Zusammenarbeit mit einem offiziellen AWS Training Partner durch.

Kontakt aufnehmen

SoftwareOne

IT CAMPUS
Customer Training Solutions

Blochstraße 1
D–04329 Leipzig
*Die unmittelbar dem Schul- und Bildungszweck dienenden Leistungen der SoftwareOne Deutschland GmbH sind überwiegend umsatzsteuerfrei gem. § 4 Nr. 21 a) bb) UStG. Sprechen Sie uns an – wir informieren Sie gern!