Seminarinformationen

Seminar - Ziel

In diesem 1-tägigen Seminar „Practical Data Science with Amazon SageMaker“ lernen Sie, wie Sie mithilfe von Machine Learning (ML) einen praktischen Anwendungsfall lösen und aussagekräftige Ergebnisse mit Amazon SageMaker erzielen. Der Kurs begleitet Sie durch die einzelnen Schritte eines typischen Data-Science-Prozesses für ML – von der Analyse und Visualisierung der Daten über die Datenaufbereitung bis zum Feature Engineering. Außerdem erwerben die Teilnehmer praktische Kenntnisse in der Modellerstellung, dem Training, der Optimierung und der Bereitstellung mit Amazon SageMaker. Ein Beispiel aus der Praxis ist die Analyse der Kundenbindung zur Entwicklung entsprechender Programme.

Teilnehmer - Zielgruppe

  • Entwickler
  • Data Scientists

Kurs - Voraussetzungen

Für eine optimale Teilnahme am Kurs empfehlen wir folgende Vorkenntnisse:

  • Kenntnisse der Programmiersprache Python
  • Grundlegendes Verständnis von Machine Learning

Seminardauer

  • 1 Tag
  • 09:00 Uhr bis 17:00 Uhr

Schulungsunterlagen

  • nach Absprache

Seminar-Inhalt / Agenda

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
  • Datensatz zum Kundenschwund überprüfen

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
  • Konfigurieren und Testen der automatischen Skalierung
  • Überprüfen des Hyperparameter-Abstimmungsauftrags
  • AWS-Autoskalierung

Relative Kosten von Fehlern

  • Kosten der verschiedenen 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
Tags: AWS

Weitere Schulungen zu Thema AWS

AWS Cloud Financial Management for Builders

- u.a. in Nürnberg, Berlin, Stuttgart, München, Köln

In diesem 3-tägigen Seminar „AWS Cloud Financial Management for Builders“ lernen Sie, wie Sie die Kosten beim Betrieb von Workloads auf AWS verwalten, optimieren und vorhersagen können. Das Seminar richtet sich an Personen, die verstehen möchten, wie sie architektonische ...

Video Streaming Essentials for AWS Media Services

- u.a. in Nürnberg, Berlin, Stuttgart, München, Köln

In diesem 2-tägigen Seminar „Video Streaming Essentials for AWS Media Services“ erhalten Sie einen umfassenden Einblick in bewährte Methoden zur Entwicklung und Nutzung von Cloud-basierten Video-Workflows. Das Seminar behandelt zentrale Konzepte rund um die ...

AWS Security Essentials

- u.a. in Bremen, Hannover, Nürnberg, Wien, Darmstadt

In diesem 1-tägigen Seminar „AWS Security Essentials“ erhalten Sie eine Einführung in die zentralen Sicherheitsprinzipien der AWS Cloud. Dabei lernen Sie unter anderem, wie Sie den Zugriff auf Ihre AWS-Ressourcen steuern, Daten verschlüsseln und den Netzwerkzugriff ...

Advanced Architecting on AWS

- u.a. in Bremen, Köln, München, Düsseldorf, Kassel

In diesem 3-tägigen Seminar „Advanced Architecting on AWS“ lernen Sie, komplexe architektonische Herausforderungen anhand realistischer Szenarien zu lösen. Sie analysieren verschiedene AWS-Services und -Funktionen und bewerten deren Eignung als Lösung für spezifische ...