Practical Data Science with Amazon SageMaker Kurs

Dieses Seminar vermittelt praxisnah, wie Sie mit Amazon SageMaker reale Machine-Learning-Projekte erfolgreich umsetzen und verwertbare Ergebnisse erzielen. Anhand eines konkreten Beispiels – etwa zur Kundenbindung – durchlaufen Sie alle Phasen des Data-Science-Prozesses: von der Datenanalyse über die Modellierung bis zur Bereitstellung. Die Schulung kombiniert fundiertes Fachwissen mit praktischen Übungen und fördert den Austausch mit erfahrenen Trainern und Teilnehmenden in einer professionellen Lernumgebung.

Prüfung und Zertifizierung: Dieser Kurs bereitet Sie gezielt auf die Zertifizierungsprüfung AWS Certified Machine Learning – Specialty (MLS-C01) vor.

Prüfung kann online oder in einem Prüfungsinstitut abgelegt werden. Prüfungs-Voucher optional bei uns erhältlich.

• Folgende Lerninhalte werden in unserem KI-Kurs vermittelt:
  • Einführung in das Machine Learning
    • Arten von ML
    • Job-Rollen in ML
    • Schritte in der ML-Pipeline
  • Einführung in die Datenvorbereitung und SageMaker
    • Definition von Übungs- und Testdatensätzen
    • Einführung in SageMaker
    • SageMaker-Konsole
    • Starten eines Jupyter-Notebooks
  • Problemstellung und Datensatzvorbereitung
    • Geschäftliche Herausforderung: Kundenschwund
    • Überprüfung des Datensatzes
  • Datenanalyse und -visualisierung
    • Laden und Visualisieren Ihres Datensatzes
    • Bereinigung der Daten
  • Trainieren und Auswerten eines Modells
    • Arten von Algorithmen
    • XGBoost und SageMaker
    • Training der Daten
    • Abstimmung der Hyperparameter mit SageMaker
    • Evaluierung der Modellleistung
  • Automatisches Tunen eines Modells
    • Automatisches Hyperparameter-Tuning mit SageMaker
  • Einsatz/Produktionsbereitschaft
    • Bereitstellen eines Modells an einem Endpunkt
    • A/B-Einsatz zum Testen
    • Automatische Skalierung und Testen
    • Überprüfen des Hyperparameter-Abstimmungsauftrags
    • AWS-Autoskalierung
  • Relative Kosten von Fehlern
    • Kosten verschiedener Fehlertypen
    • Binäre Klassifizierungsabgrenzung
  • Amazon SageMaker Architektur und Funktionen
    • Zugriff auf Amazon SageMaker-Notebooks in einer VPC
    • Amazon SageMaker Batch-Transformationen
    • Amazon SageMaker Grundwahrheit
    • Amazon SageMaker Neo

Für eine erfolgreiche Teilnahme sollten Sie über grundlegendes Verständnis von Machine Learning verfügen und sicher mit der Programmiersprache Python umgehen können.

Dieses Seminar richtet sich an Entwickler und Data Scientists, die praxisorientiert lernen möchten, wie sich Machine-Learning-Prozesse mit Amazon SageMaker effizient umsetzen und in produktive Anwendungen überführen lassen.