Corso The Machine Learning Pipeline on AWS

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

AWS Certified Machine Learning Specialty

Il Corso The Machine Learning Pipeline on AWS (MLDWTS) è progettato per i professionisti IT che desiderano imparare come creare pipeline di machine learning scalabili e automatizzate utilizzando Amazon SageMaker e altri servizi AWS correlati. I partecipanti acquisiranno le conoscenze e le competenze necessarie per progettare, implementare e gestire pipeline di machine learning che integrano tecnologie di data engineering e machine learning. Al termine del corso, i partecipanti saranno in grado di implementare pipeline di machine learning end-to-end, dall’ingestione dei dati alla formazione e alla distribuzione del modello. 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)

Obiettivi del corso

Di seguito una sintesi degli obiettivi principali del corso Corso The Machine Learning Pipeline on AWS (MLDWTS):

  • Imparare a creare pipeline di machine learning scalabili e automatizzate con Amazon SageMaker e altri servizi AWS.
  • Acquisire competenze per progettare, implementare e gestire pipeline che integrano tecnologie di data engineering e machine learning.
  • Implementare pipeline di machine learning end-to-end, dall’ingestione dei dati alla formazione e distribuzione del modello.
  • Integrare tecnologie di data engineering e machine learning nelle pipeline.
  • Gestire l’intero ciclo di vita delle pipeline di machine learning, dalla creazione alla distribuzione.

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 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
  • Hands-on: Amazon SageMaker and Jupyter notebooks

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
  • Practice problem formulation
  • Formulate problems for projects

Module 4: Preprocessing

  • Overview of data collection and integration, and techniques for data preprocessing and
  • visualization
  • Practice preprocessing
  • Preprocess project data
  • Class discussion about projects

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

Module 6: Model Evaluation

  • How to evaluate classification models
  • How to evaluate regression models
  • Practice model training and evaluation
  • Train and evaluate project models
  • Initial project presentations

Module 7: Feature Engineering and Model Tuning

  • Feature extraction, selection, creation, and transformation
  • Hyperparameter tuning
  • Demo: SageMaker hyperparameter optimization
  • Practice feature engineering and model tuning
  • Apply feature engineering and model tuning to projects
  • Final project presentations

Module 8: Deployment

  • How to deploy, inference, and monitor your model on Amazon SageMaker
  • Deploying ML at the edge
  • Demo: Creating an Amazon SageMaker endpoint
  • Post-assessment
  • Course wrap-up

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:

Laboratorio Deep Learning on AWS

Dettagli del corso

Prerequisiti

Fondamenti di programmazione Python.

Durata del corso

  • Durata Estensiva 30 Ore;
  • Durata Intensiva 4gg;

Frequenza

Varie tipologie di Frequenza Estensiva ed Intensiva.

Date del corso

  • The Machine Learning Pipeline on AWS (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].