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).

Calling from abroad? Reach us at +39 02 87168254.

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

Si consiglia la partecipazione ai seguenti corsi:

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].

Panoramica privacy

This website uses cookies so that we can provide you with the best user experience possible. Cookie information is stored in your browser and performs functions such as recognising you when you return to our website and helping our team to understand which sections of the website you find most interesting and useful.