Vega Training

Corso Practical Data Science with Amazon SageMaker

Durata
Durata Intensiva 1gg.
Inizio
- 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].
Attestato
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.
Vai al corso sul sito del provider

Identità del corso

Tipo di corso

Corso di Formazione con Docente

Programma e obiettivi

Obiettivi
  • 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. 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:
Programma
  • 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

Ammissione e iscrizione

Prerequisiti
  • Si consiglia la partecipazione ai seguenti corsi:
  • - AWS Technical Essentials
  • - Corso Python Developer
  • - Machine Learning Terminology and Process

Erogazione

Durata

Durata Intensiva 1gg.

Date

- 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].

Orari

Varie tipologie di Frequenza Estensiva ed Intensiva.

Certificazione

Qualifica rilasciata

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.

Docenti

Docenti

I docenti sono Istruttori accreditati Amazon AWS e certificati in altre tecnologie IT, con anni di esperienza pratica nel settore e nella Formazione.

Corsi simili