Practical Data Science with Amazon SageMaker

Da künstliche Intelligenz und Machine Learning (KI/ML) schnell Teil unseres Alltags werden, wird es immer wichtiger zu verstehen, wie man effizient mit Datenwissenschaftlern zusammenarbeitet und Anwendungen entwickelt, die sich in ML integrieren lassen. Der Kurs Practical Science with Amazon SageMaker hilft Ihnen in Ihrer Rolle als Entwickler oder DevOps-Ingenieur dabei, die Grundlagen von ML und die Schritte zur Erstellung von ML-Modellen mit Amazon SageMaker Studio zu verstehen. In dieser eintägigen Präsenzschulung erklärt Ihnen ein erfahrener AWS-Instruktor, wie Sie Daten vorbereiten und ML-Modelle trainieren, evaluieren, optimieren und bereitstellen.

Lernziele

• Diskutieren Sie die Vorteile verschiedener Arten von Machine Learning zur Lösung von Geschäftsproblemen
• Beschreiben Sie die typischen Prozesse, Rollen und Verantwortlichkeiten in einem Team, das ML-Systeme entwickelt und einsetzt
• Erläutern Sie, wie Datenwissenschaftler AWS-Tools und ML verwenden, um ein häufig auftretendes Geschäftsproblem zu lösen
• Fassen Sie die Schritte zusammen, die ein Datenwissenschaftler unternimmt, um Daten vorzubereiten und ML-Modelle zu trainieren, zu bewerten, zu optimieren und bereitzustellen
• Und vieles mehr

• Ingenieure für Entwicklungsbetrieb (DevOps)
• Anwendungsentwickler

Voraussetzungen für Kursteilnehmer*innen:

• Hat am Training AWS Technical Essentials teilgenommen
• Grundlegendes Verständnis der Python-Programmierung
• Grundkenntnisse der Statistik