Obiettivi | Certificazione | Contenuti | Tipologia | Prerequisiti | Durata e Frequenza | Docenti | Modalità di Iscrizione | Calendario
Il Corso Practical Data Science with Amazon SageMaker (MLPDSS) è pensato per i partecipanti che vogliono imparare come utilizzare Amazon SageMaker per creare, addestrare e distribuire modelli di machine learning. Durante il corso, i partecipanti acquisiranno competenze pratiche sulla creazione di set di dati, l’addestramento di modelli di machine learning, la valutazione delle prestazioni dei modelli e la distribuzione dei modelli addestrati su AWS. Inoltre, il corso fornisce una panoramica di AWS AI Services e dell’architettura serverless di AWS. Il corso contribuisce alla preparazione per la Certificazione AWS Certified Machine Learning – Specialty.
Contattaci ora per ricevere tutti i dettagli e per richiedere, senza alcun impegno, di parlare direttamente con uno dei nostri Docenti (Clicca qui)
oppure chiamaci subito al nostro Numero Verde (800-177596).
Calling from abroad? Reach us at +39 02 87168254.
Obiettivi del corso
Di seguito una sintesi degli obiettivi principali del corso Corso Practical Data Science with Amazon SageMaker (MLPDSS):
- Imparare ad utilizzare Amazon SageMaker per creare, addestrare e distribuire modelli di machine learning.
- Acquisire competenze pratiche nella creazione di set di dati e nell’addestramento di modelli di machine learning.
- Valutare le prestazioni dei modelli di machine learning.
- Distribuire modelli addestrati su AWS.
- Ottenere una panoramica di AWS AI Services e dell’architettura serverless di AWS.
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: 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
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:
Durata del corso
Durata Intensiva 1gg.
Frequenza
Varie tipologie di Frequenza Estensiva ed Intensiva.
Date del corso
- Practical Data Science with Amazon SageMaker (Formula Intensiva) – Su Richiesta – 09:00/17:00
Modalità di iscrizione
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].
