The Machine Learning Pipeline on AWS – Inhouse

In diesem Kurs wird untersucht, wie die Pipeline des maschinellen Lernens (ML) verwendet werden kann, um ein reales Geschäftsproblem in einer projektbasierten Lernumgebung zu lösen. Die Kursteilnehmer lernen jede Phase der Pipeline anhand von Präsentationen und Demonstrationen des Kursleiters kennen und wenden dieses Wissen dann an, um ein Projekt zur Lösung eines von drei Geschäftsproblemen abzuschließen: Betrugserkennung, Empfehlungsmaschinen oder Flugverspätungen. Am Ende des Kurses werden die Kursteilnehmer ein ML-Modell mit Amazon SageMaker, das ihr ausgewähltes Geschäftsproblem löst, erfolgreich aufgebaut, geschult, bewertet, abgestimmt und eingesetzt haben.Kursinhalt

• geeigneten ML-Ansatz für ein bestimmtes Geschäftsproblem
• ML-Pipeline zur Lösung eines bestimmten Geschäftsproblems
• Trainieren, Bewerten, Bereitstellen und Abstimmen eines ML-Modells mit Amazon SageMaker
• Vorgehensweisen für den Entwurf skalierbarer, kostenoptimierter und sicherer ML-Pipelines in AWS

Auf die Labs haben Sie nach dem Kurs noch weitere 4 Wochen Zugriff. So können Sie Übungen wiederholen oder individuell vertiefen.

Voraussetzungen

• Grundkenntnisse der Programmiersprache Python
• Grundlegendes Verständnis der AWS Cloud-Infrastruktur (Amazon S3 und Amazon CloudWatch)
• Grundlegende Erfahrung mit der Arbeit in einer Jupyter-Notebook-Umgebung

Ergänzende und aufbauende Kurse Practical Data Science with Amazon SageMakerZielgruppen

Dieser Kurs ist gedacht für: 

• Developers
• Solutions Architects 
• Data Engineers 
• Jeder, der wenig bis keine Erfahrung mit ML hat und etwas über die ML-Pipeline mit Amazon SageMaker lernen möchte