Practical Data Science with Amazon SageMaker – Intensive Training («AWSB03»)

Künstliche Intelligenz und maschinelles Lernen (KI/ML) sind auf dem Vormarsch. In diesem Kurs werden Sie einen Tag im Leben eines Datenwissenschaftlers verbringen, damit Sie effizient mit Datenwissenschaftlern zusammenarbeiten und Anwendungen erstellen können, die mit ML integriert werden. Sie lernen den grundlegenden Prozess kennen, den Datenwissenschaftler zur Entwicklung von ML-Lösungen auf Amazon Web Services (AWS) mit Amazon SageMaker verwenden. Sie werden die Schritte zum Erstellen, Trainieren und Bereitstellen eines ML-Modells anhand von Demonstrationen und Übungen unter Anleitung des Kursleiters erleben.

1 Einführung in das maschinelle Lernen

• Vorteile des maschinellen Lernens (ML)
• Arten von ML-Ansätzen
• Rahmen für das Geschäftsproblem
• Qualität der Vorhersage
• Prozesse, Rollen und Verantwortlichkeiten für ML-Projekte

2 Vorbereiten eines Datensatzes

• Datenanalyse und -aufbereitung
• Werkzeuge zur Datenaufbereitung
• Demonstration: Überprüfung von Amazon SageMaker Studio und Notebooks
• Praktische Übung: Datenaufbereitung mit SageMaker Data Wrangler

3 Trainieren eines Modells

• Schritte zum Trainieren eines Modells
• Wählen eines Algorithmus
• Trainieren des Modells in Amazon SageMaker
• Praktische Übung: Trainieren eines Modells mit Amazon SageMaker
• Amazon CodeWhisperer
• Demonstration: Amazon CodeWhisperer in SageMaker Studio Notebooks

4 Evaluierung und Abstimmung eines Modells

• Bewertung des Modells
• Modellabstimmung und Hyperparameter-Optimierung
• Praktische Übung: Modellabstimmung und Hyperparameter-Optimierung mit Amazon SageMaker

5 Einsetzen eines Modells

• Modell-Einsatz
• Praktische Übung: Bereitstellen eines Modells auf einem Echtzeit-Endpunkt und Generieren einer Vorhersage

6 Betriebliche Herausforderungen

• Verantwortliches ML
• ML-Team und MLOps
• Automatisierung
• Überwachung
• Aktualisierung der Modelle (Modellprüfung und -bereitstellung)

7 Andere Werkzeuge für die Modellerstellung

• Verschiedene Tools für unterschiedliche Fähigkeiten und Geschäftsanforderungen
• Codefreies ML mit Amazon SageMaker Canvas
• Demonstration: Überblick über Amazon SageMaker Canvas
• Amazon SageMaker Studio Lab
• Demonstration: Überblick über das SageMaker Studio Lab
• (Optional) Praktische Übung: Integrieren einer Web-Anwendung mit einem Amazon SageMaker Model-Endpunkt

Teil von folgenden Kursen / Lehrgängen

• Practical Data Science with Amazon SageMaker – Intensive Training

Dieser Kurs ermöglicht es Ihnen, neue Fähigkeiten zu erproben und Ihr Wissen durch eine Vielzahl praktischer Übungen auf Ihr Arbeitsumfeld anzuwenden.

Dieser Kurs richtet sich an Data-Science-Profis, Machine-Learning-Profis, Anwendungs-Entwickler und DevOps-Ingenieure sowie Systemarchitekten.

• Einstiegskenntnisse in der Python-Programmierung
• Einstiegskenntnisse in Statistik
• Der folgende Kurs oder gleichwertige Kenntnisse werden vorausgesetzt: