Practical Data Science with Amazon SageMaker (PDSASM) Online

Total time
Location
Online
Starting date and place

Practical Data Science with Amazon SageMaker (PDSASM) Online

Fast Lane Institute for Knowledge Transfer GmbH
Logo Fast Lane Institute for Knowledge Transfer GmbH
Provider rating: starstarstarstarstar_half 8.9 Fast Lane Institute for Knowledge Transfer GmbH has an average rating of 8.9 (out of 33 reviews)

Need more information? Get more details on the site of the provider.

Starting dates and places

computer Online: Online Training
7 Apr 2025
computer Online: Online Training
7 Jul 2025
computer Online: Online Training
13 Oct 2025

Description

Voraussetzungen

  • Vertrautheit mit der Programmiersprache Python
  • Grundlegendes Verständnis von Machine Learning

Zielgruppe

  • Entwickler
  • Datenwissenschaftler

Detaillierter Kursinhalt

Modul 1: Einführung in maschinelles Lernen

  • Arten von ML
  • Job-Rollen in ML
  • Schritte in der ML-Pipeline

Modul 2: Einführung in Data Prep und SageMaker

  • Trainings- und Testdatensatz definiert
  • Einführung in SageMaker
  • Demo: SageMaker-Konsole
  • Demo: Starten eines Jupyter-Notizbuchs

Modul 3: Problemformulierung und Datensatzvorbereitung

  • Geschäftliche Herausforderung: Kundenabwanderung
  • Überprüfung des Datensatzes zur Kundenabwanderung

Modul 4: Datenanalyse und -visualisierung

  • Demo: Laden und Visualisieren Ihres …

Read the complete description

Frequently asked questions

There are no frequently asked questions yet. If you have any more questions or need help, contact our customer service.

Didn't find what you were looking for? See also: Science, Python, Software / System Engineering, English (FCE / CAE / CPE), and Teaching Skills.

Voraussetzungen

  • Vertrautheit mit der Programmiersprache Python
  • Grundlegendes Verständnis von Machine Learning

Zielgruppe

  • Entwickler
  • Datenwissenschaftler

Detaillierter Kursinhalt

Modul 1: Einführung in maschinelles Lernen

  • Arten von ML
  • Job-Rollen in ML
  • Schritte in der ML-Pipeline

Modul 2: Einführung in Data Prep und SageMaker

  • Trainings- und Testdatensatz definiert
  • Einführung in SageMaker
  • Demo: SageMaker-Konsole
  • Demo: Starten eines Jupyter-Notizbuchs

Modul 3: Problemformulierung und Datensatzvorbereitung

  • Geschäftliche Herausforderung: Kundenabwanderung
  • Überprüfung des Datensatzes zur Kundenabwanderung

Modul 4: Datenanalyse und -visualisierung

  • Demo: Laden und Visualisieren Ihres Datensatzes
  • Übung 1: Merkmale mit Zielvariablen in Beziehung setzen
  • Übung 2: Beziehungen zwischen Attributen
  • Demo: Bereinigung der Daten

Modul 5: Training und Auswertung eines Modells

  • Arten von Algorithmen
  • XGBoost und SageMaker
  • Demo 5: Training der Daten
  • Übung 3: Fertigstellung der Definition des Schätzers
  • Übung 4: Einstellung von Hyperparametern
  • Übung 5: Einsetzen des Modells
  • Demo: Hyperparameter-Abstimmung mit SageMaker
  • Demo: Bewertung der Modellleistung

Modul 6: Automatisches Abstimmen eines Modells

  • Automatische Abstimmung der Hyperparameter mit SageMaker
  • Übungen 6-9: Tuning Jobs

Modul 7: Bereitstellung/Produktionsbereitschaft

  • Bereitstellen eines Modells für einen Endpunkt
  • A/B-Einsatz für Tests
  • Automatische Skalierung Skalierung
  • Demo: Automatische Skalierung konfigurieren und testen
  • Demo: Hyperparameter-Abstimmungsauftrag prüfen
  • Demo: AWS Auto-Skalierung
  • Übung 10-11: Einrichten von AWS Autoscaling

Modul 8: Relative Kosten von Fehlern

  • Kosten der verschiedenen Fehlerarten
  • Demo: Binäre Klassifizierung - Cutoff

Modul 9: Amazon SageMaker Architektur und Funktionen

  • Zugriff auf Amazon SageMaker-Notebooks in einer VPC
  • Amazon SageMaker Batch-Transformationen
  • Amazon SageMaker Ground Truth
  • Amazon SageMaker Neo
There are no reviews yet.

Share your review

Do you have experience with this course? Submit your review and help other people make the right choice. As a thank you for your effort we will donate $1.- to Stichting Edukans.

There are no frequently asked questions yet. If you have any more questions or need help, contact our customer service.