-
In diesem Kurs lernen Sie, wie Sie mit Machine Learning einen realen Anwendungsfall lösen und mit Amazon SageMaker umsetzbare Ergebnisse erzielen. Sie erfahren, wie Sie mit Amazon SageMaker die verschiedenen Phasen des typischen datenwissenschaftlichen Prozesses abdecken, von der Analyse und Visualisierung eines Datensatzes über die Aufbereitung der Daten und das Feature-Engineering bis hin zu den praktischen Aspekten des Modellbaus, der Schulung, der Optimierung und Einsatz.
-
Kursinhalt
-
- Prepare a dataset for training.
- Train and evaluate a machine learning model.
- Automatically tune a machine learning model.
- Prepare a machine learning model for production.
- Think critically about machine learning model results.
- Load and display the dataset
- Assess features and determine which Amazon SageMaker algorithm to use
- Use Amazon Sagemaker to train, evaluate, and automatically tune the model
- Deploy the model
- Assess relative cost of errors
Auf die Labs haben Sie nach dem Kurs noch weitere 4 Wochen Zugriff. So können Sie Übungen wiederholen oder individuell vertiefen.
Die englischsprachigen Original-Unterlagen von Amazon Web Services erhalten Sie als E-Book.
-
Zielgruppe
-
Technisches Publikum auf mittlerem Niveau.
-
Ergänzende und aufbauende Kurse
-
The Machine Learning Pipeline on AWS
AWDL -
Wichtig: Bitte bringen Sie Ihr Notebook zum Kurs mit! Falls dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.
Beachten Sie bitte unsere Übersicht AWS Trainings!
| Module 1: Introduction to machine learning |
| Types of ML |
| Job Roles in ML |
| Steps in the ML pipeline |
| Module 2: Introduction to data prep and SageMaker |
| Training and test dataset defined |
| Introduction to SageMaker |
| Demonstration: SageMaker console |
| Demonstration: Launching a Jupyter notebook |
| Module 3: Problem formulation and dataset preparation |
| Business challenge: Customer churn |
| Review customer churn dataset |
| Module 4: Data analysis and visualization |
| Demonstration: Loading and visualizing your dataset |
| Exercise 1: Relating features to target variables |
| Exercise 2: Relationships between attributes |
| Demonstration: Cleaning the data |
| Module 5: Training and evaluating a model |
| Types of algorithms |
| XGBoost and SageMaker |
| Demonstration: Training the data |
| Exercise 3: Finishing the estimator definition |
| Exercise 4: Setting hyper parameters |
| Exercise 5: Deploying the model |
| Demonstration: hyper parameter tuning with SageMaker |
| Demonstration: Evaluating model performance |
| Module 6: Automatically tune a model |
| Automatic hyper parameter tuning with SageMaker |
| Exercises 6-9: Tuning jobs |
| Module 7: Deployment / production readiness |
| Deploying a model to an endpoint |
| A/B deployment for testing |
| Auto Scaling |
| Demonstration: Configure and test auto scaling |
| Demonstration: Check hyper parameter tuning job |
| Demonstration: AWS Auto Scaling |
| Exercise 10-11: Set up AWS Auto Scaling |
| Module 8: Relative cost of errors |
| Cost of various error types |
| Demo: Binary classification cutoff |
| Module 9: Amazon SageMaker architecture and features |
| Accessing Amazon SageMaker notebooks in a VPC |
| Amazon SageMaker batch transforms |
| Amazon SageMaker Ground Truth |
| Amazon SageMaker Neo |
Interessieren Sie sich für eine Zertifizierung? Dieser Kurs ist Bestandteil der folgenden Zertifizierung(en):
Zertifizierung zum AWS Certified Machine Learning Specialty – Specialty Zertifizierung
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
Die gesamte Beschreibung dieses Kurses mit Terminen und Preisen zum Download als PDF.-
In diesem Kurs lernen Sie, wie Sie mit Machine Learning einen realen Anwendungsfall lösen und mit Amazon SageMaker umsetzbare Ergebnisse erzielen. Sie erfahren, wie Sie mit Amazon SageMaker die verschiedenen Phasen des typischen datenwissenschaftlichen Prozesses abdecken, von der Analyse und Visualisierung eines Datensatzes über die Aufbereitung der Daten und das Feature-Engineering bis hin zu den praktischen Aspekten des Modellbaus, der Schulung, der Optimierung und Einsatz.
-
Kursinhalt
-
- Prepare a dataset for training.
- Train and evaluate a machine learning model.
- Automatically tune a machine learning model.
- Prepare a machine learning model for production.
- Think critically about machine learning model results.
- Load and display the dataset
- Assess features and determine which Amazon SageMaker algorithm to use
- Use Amazon Sagemaker to train, evaluate, and automatically tune the model
- Deploy the model
- Assess relative cost of errors
Auf die Labs haben Sie nach dem Kurs noch weitere 4 Wochen Zugriff. So können Sie Übungen wiederholen oder individuell vertiefen.
Die englischsprachigen Original-Unterlagen von Amazon Web Services erhalten Sie als E-Book.
-
Zielgruppe
-
Technisches Publikum auf mittlerem Niveau.
-
Ergänzende und aufbauende Kurse
-
The Machine Learning Pipeline on AWS
AWDL -
Wichtig: Bitte bringen Sie Ihr Notebook zum Kurs mit! Falls dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.
Beachten Sie bitte unsere Übersicht AWS Trainings!
| Module 1: Introduction to machine learning |
| Types of ML |
| Job Roles in ML |
| Steps in the ML pipeline |
| Module 2: Introduction to data prep and SageMaker |
| Training and test dataset defined |
| Introduction to SageMaker |
| Demonstration: SageMaker console |
| Demonstration: Launching a Jupyter notebook |
| Module 3: Problem formulation and dataset preparation |
| Business challenge: Customer churn |
| Review customer churn dataset |
| Module 4: Data analysis and visualization |
| Demonstration: Loading and visualizing your dataset |
| Exercise 1: Relating features to target variables |
| Exercise 2: Relationships between attributes |
| Demonstration: Cleaning the data |
| Module 5: Training and evaluating a model |
| Types of algorithms |
| XGBoost and SageMaker |
| Demonstration: Training the data |
| Exercise 3: Finishing the estimator definition |
| Exercise 4: Setting hyper parameters |
| Exercise 5: Deploying the model |
| Demonstration: hyper parameter tuning with SageMaker |
| Demonstration: Evaluating model performance |
| Module 6: Automatically tune a model |
| Automatic hyper parameter tuning with SageMaker |
| Exercises 6-9: Tuning jobs |
| Module 7: Deployment / production readiness |
| Deploying a model to an endpoint |
| A/B deployment for testing |
| Auto Scaling |
| Demonstration: Configure and test auto scaling |
| Demonstration: Check hyper parameter tuning job |
| Demonstration: AWS Auto Scaling |
| Exercise 10-11: Set up AWS Auto Scaling |
| Module 8: Relative cost of errors |
| Cost of various error types |
| Demo: Binary classification cutoff |
| Module 9: Amazon SageMaker architecture and features |
| Accessing Amazon SageMaker notebooks in a VPC |
| Amazon SageMaker batch transforms |
| Amazon SageMaker Ground Truth |
| Amazon SageMaker Neo |
Interessieren Sie sich für eine Zertifizierung? Dieser Kurs ist Bestandteil der folgenden Zertifizierung(en):
Zertifizierung zum AWS Certified Machine Learning Specialty – Specialty Zertifizierung
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
Die gesamte Beschreibung dieses Kurses mit Terminen und Preisen zum Download als PDF.
Online Training