Corso Amazon SageMaker Studio for Data Scientists

Obiettivi | Certificazione | Contenuti | Tipologia | Prerequisiti | Durata e Frequenza | Docenti | Modalità di Iscrizione | Calendario

Il Corso Amazon SageMaker Studio for Data Scientists (MLASMS) è concepito per guidare i Partecipanti attraverso l’utilizzo di Amazon SageMaker Studio, un ambiente che facilita la preparazione, costruzione, addestramento, distribuzione e monitoraggio di modelli di machine learning (ML) in modo rapido e efficiente. Il corso, strutturato per data scientist esperti, esplora gli strumenti inclusi in SageMaker Studio, come Amazon CodeWhisperer e Amazon CodeGuru Security scan extensions, per migliorare la produttività in ogni fase del ciclo di vita del ML. I Partecipanti impareranno a utilizzare SageMaker Data Wrangler per la preparazione dei dati, ad analizzare e preparare dati su larga scala utilizzando Amazon EMR, a gestire sessioni interattive con AWS Glue, e a utilizzare SageMaker Processing con script personalizzati. Inoltre, il corso copre l’uso di SageMaker Feature Store per l’ingegnerizzazione delle caratteristiche e fornisce una pratica diretta con SageMaker Experiments, SageMaker Debugger, e SageMaker Clarify per il tracciamento, l’analisi e la chiarificazione dei modelli ML. Il corso contribuisce alla preparazione dell’esame di Certificazione AWS Certified Machine Learning – Specialty.

Obiettivi del corso

Di seguito una sintesi degli obiettivi principali del corso (Amazon SageMaker Studio for Data Scientists) (MLASMS):

• Acquisire competenze nell’utilizzo di SageMaker Studio per accelerare il processo di preparazione, costruzione, addestramento, distribuzione e monitoraggio delle soluzioni ML.
• Applicare tecniche di elaborazione dei dati utilizzando strumenti come SageMaker Data Wrangler e Amazon EMR.
• Gestire lo sviluppo del modello, sfruttando funzionalità come SageMaker Experiments e SageMaker Debugger per tracciare e analizzare iterazioni di addestramento e tuning dei modelli.
• Implementare e ottimizzare la distribuzione e l’inferenza dei modelli utilizzando funzionalità come SageMaker Model Registry e SageMaker Pipelines.
• Monitorare i modelli ML utilizzando strumenti come Amazon SageMaker Model Monitor e implementare strategie di test, prestazioni e ottimizzazione.

Certificazione del corso

Esame AWS Certified Machine Learning – Specialty;
L’esame di certificazione AWS Certified Machine Learning – Specialty (MLS-C01) è progettato per valutare le competenze avanzate dei candidati nella progettazione, implementazione e gestione di soluzioni di machine learning su AWS. L’esame copre tematiche come la scelta degli algoritmi appropriati, la preparazione dei dati, la formazione e il perfezionamento dei modelli, e il deployment e l’ottimizzazione delle soluzioni di machine learning.
L’obiettivo principale è garantire che i candidati dimostrino una conoscenza approfondita delle best practice e delle soluzioni avanzate AWS per lo sviluppo di applicazioni di machine learning. Durante l’esame, i candidati affronteranno argomenti quali la progettazione di architetture scalabili e sicure, l’uso di servizi AWS come SageMaker e l’integrazione con altri servizi AWS per l’analisi dei dati.

Contenuti del corso

Module 1: Amazon SageMaker Studio Setup

• JupyterLab Extensions in SageMaker Studio
• Demonstration: SageMaker user interface demo

Module 2: Data Processing

• Using SageMaker Data Wrangler for data processing
• Hands-On Lab: Analyze and prepare data using Amazon SageMaker Data Wrangler
• Using Amazon EMR
• Hands-On Lab: Analyze and prepare data at scale using Amazon EMR
• Using AWS Glue interactive sessions
• Using SageMaker Processing with custom scripts
• Hands-On Lab: Data processing using Amazon SageMaker Processing and SageMaker Python SDK
• SageMaker Feature Store
• Hands-On Lab: Feature engineering using SageMaker Feature Store

Module 3: Model Development

• SageMaker training jobs
• Built-in algorithms
• Bring your own script
• Bring your own container
• SageMaker Experiments
• Hands-On Lab: Using SageMaker Experiments to Track Iterations of Training and Tuning Models
• SageMaker Debugger
• Hands-On Lab: Analyzing, Detecting, and Setting Alerts Using SageMaker Debugger
• Automatic model tuning
• SageMaker Autopilot: Automated ML
• Demonstration: SageMaker Autopilot
• Bias detection
• Hands-On Lab: Using SageMaker Clarify for Bias and Explainability
• SageMaker Jumpstart

Module 4: Deployment and Inference

• SageMaker Model Registry
• SageMaker Pipelines
• Hands-On Lab: Using SageMaker Pipelines and SageMaker Model Registry with SageMaker Studio
• SageMaker model inference options
• Scaling
• Testing strategies, performance, and optimization
• Hands-On Lab: Inferencing with SageMaker Studio

Module 5: Monitoring

• Amazon SageMaker Model Monitor
• Discussion: Case study
• Demonstration: Model Monitoring

Module 6: Managing SageMaker Studio Resources and Updates

• Accrued cost and shutting down
• Updates

Tipologia

Corso di Formazione con Docente

Docenti

I docenti sono Istruttori accreditati Amazon AWS e certificati in altre tecnologie IT, con anni di esperienza pratica nel settore e nella Formazione.

Infrastruttura laboratoriale

Per tutte le tipologie di erogazione, il Corsista può accedere alle attrezzature e ai sistemi presenti nei Nostri laboratori o direttamente presso i data center del Vendor o dei suoi provider autorizzati in modalità remota h24. Ogni partecipante dispone di un accesso per implementare le varie configurazioni avendo così un riscontro pratico e immediato della teoria affrontata. Ecco di seguito alcuni scenari tratti dalle attività laboratoriali:

Dettagli del corso

Prerequisiti

Si consiglia la partecipazione ai seguenti corsi:

• AWS Technical Essentials
• Corso Python Developer
• Machine Learning Terminology and Process

Durata del corso

Durata Intensiva 3gg.

Frequenza

Varie tipologie di Frequenza Estensiva ed Intensiva.

Date del corso

• Amazon SageMaker Studio for Data Scientists (Formula Intensiva) – Su Richiesta – 09:00/17:00

Le iscrizioni sono a numero chiuso per garantire ai tutti i partecipanti un servizio eccellente. L’iscrizione avviene richiedendo di essere contattati dal seguente Link, o contattando la sede al numero verde 800-177596 o inviando una richiesta all’email [email protected].