In diesem Kurs wird untersucht, wie die Pipeline des maschinellen Lernens (ML) zur Lösung eines realen Geschäftsproblems in einer projektbasierten Lernumgebung eingesetzt werden kann. Die Teilnehmer*innen lernen die einzelnen Phasen 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 durchzuführen: Betrugserkennung, Empfehlungsmaschinen oder Flugverspätungen. Am Ende des Kurses werden die Teilnehmer*innen erfolgreich ein ML-Modell mit Amazon SageMaker erstellt, trainiert, evaluiert, abgestimmt und bereitgestellt haben, das das von ihnen ausgewählte Geschäftsproblem löst.Nach Abschluss des Seminar haben Teilnehmer*innen Wissen zu folgenden Themen:den geeigneten ML-Ansatz für ein bestimmtes Geschäftsproblem auszuwählen und zu begründenVerwendung der ML-Pipeline zur Lösung eines bestimmten GeschäftsproblemsTrainieren, Bewerten, Bereitstellen und Abstimmen eines ML-Modells mit Amazon SageMakerBeschreiben Sie einige der besten Praktiken für den Entwurf skalierbarer, kostenoptimierter und sicherer ML-Pipelines in AWSAnwendung des maschinellen Lernens auf ein reales Geschäftsproblem nach Abschluss des Kurses
In diesem Kurs wird untersucht, wie die Pipeline des maschinellen Lernens (ML) zur Lösung eines realen Geschäftsproblems in einer projektbasierten Lernumgebung eingesetzt werden kann. Die Teilnehmer* ...
Mehr Informationen >>
Entwickler*innenLösungsarchitekt*innenDaten-IngenieureJede*r, der/die wenig bis keine Erfahrung mit ML hat und die ML-Pipeline mit Amazon SageMaker kennenlernen möchte