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