1.220 € – 1.830 €

Date multiple

The Machine Learning Pipeline on AWS - Virtual Class

Azioni e Pannello dettagli

Da 1.220 €

Informazioni sull'evento

Condividi questo evento

Data e ora

Località

Località

Evento online

Politica di rimborso

Politica di rimborso

Rimborsi fino a 7 giorni prima dell'evento

La commissione di Eventbrite non è rimborsabile.

Descrizione evento
This course explores how to use the machine learning (ML) pipeline to solve a real business problem in a project-based learning environment.

Informazioni sull'evento

Corso erogato in modalità Virtual Class.

Durata

Il corso avrà durata di 4 giorni non consecutivi nell'orario 9.00 - 17.00

Calendario

  • 19, 20, 26 , 27 Gennaio
  • 12, 13, 19, 20 Aprile

Descrizione

Gli studenti apprenderanno ogni fase della pipeline dalle presentazioni e dalle dimostrazioni dell'istruttore e quindi applicheranno tale conoscenza per completare un progetto che risolve uno dei tre problemi aziendali: rilevamento delle frodi, motori di raccomandazione o ritardi dei voli. Alla fine del corso, gli studenti avranno creato, formato, valutato, messo a punto e implementato con successo un modello ML utilizzando Amazon SageMaker che risolve il problema aziendale selezionato.

Obiettivi del corso

In questo corso imparerai come:

  • Selezionare e giustificare l'approccio ML appropriato per un determinato problema aziendale
  • Utilizzare la pipeline ML per risolvere un problema aziendale specifico
  • Addestrare, valutare, distribuire e ottimizzare un modello ML in Amazon SageMaker
  • Descrivere alcune delle best practice per la progettazione di pipeline di ML scalabili, ottimizzate in termini di costi e sicure in AWS
  • Applicare l'apprendimento automatico a un problema aziendale reale al termine del corso

Destinatari principali

Questo corso è rivolto a:

  • Sviluppatori
  • Solutions Architects
  • Data Engineers
  • Chiunque abbia poca o nessuna esperienza con il machine learning e desideri conoscere la pipeline di machine learning utilizzando Amazon SageMaker

Metodo di formazione

Il corso si svolge attraverso:

  • Lezione frontale
  • Hands-on labs
  • Dimostrazioni
  • Esercizi di gruppo

Course Outline

Day One

Module 0: Introduction

  • Pre-assessment

Module 1: Introduction to Machine Learning and the ML Pipeline

  • Overview of machine learning, including use cases, types of machine learning, and key concepts
  • Overview of the ML pipeline
  • Introduction to course projects and approach

Module 2: Introduction to Amazon SageMaker

  • Introduction to Amazon SageMaker
  • Demo: Amazon SageMaker and Jupyter notebooks
  • Lab 1: Introduction to Amazon SageMaker

Module 3: Problem Formulation

  • Overview of problem formulation and deciding if ML is the right solution
  • Converting a business problem into an ML problem
  • Demo: Amazon SageMaker Ground Truth
  • Hands-on: Amazon SageMaker Ground Truth
  • Problem Formulation Exercise and Review
  • Project work for Problem Formulation

Day Two

Recap and Checkpoint #1

Module 4: Preprocessing

  • Overview of data collection and integration, and techniques for data preprocessing and visualization
  • Lab 2: Data Preprocessing (including project work)

Module 5: Model Training

  • Choosing the right algorithm
  • Formatting and splitting your data for training
  • Loss functions and gradient descent for improving your model
  • Demo: Create a training job in Amazon SageMaker

Day Three

Recap and Checkpoint #2

Module 6: Model Training

  • How to evaluate classification models
  • How to evaluate regression models
  • Practice model training and evaluation
  • Train and evaluate project models
  • Lab 3: Model Training and Evaluation (including project work)
  • Project Share-Out 1

Module 7: Feature Engineering and Model Tuning

  • Feature extraction, selection, creation, and transformation
  • Hyperparameter tuning
  • Demo: SageMaker hyperparameter optimization

Day Four

Lab 4: Feature Engineering (including project work)

Recap and Checkpoint #3

Module 8: Module Deployment

  • How to deploy, inference, and monitor your model on Amazon SageMaker
  • Deploying ML at the edge

Module 9: Course Wrap-Up

  • Project Share-Out 2
  • Post-Assessment
  • Wrap-up

Condizioni e Privacy

Per maggiori informazioni consultare le pagine privacy e condizioni.

Note

Il corso sarà confermato solo al raggiungimento di un numero minimo di persone partecipanti.

Condividi con gli amici

Località

Evento online

Politica di rimborso

Rimborsi fino a 7 giorni prima dell'evento

La commissione di Eventbrite non è rimborsabile.

Salva questo evento

Evento salvato