Detaillierter Kursinhalt
Einführung
Bereich 1: Datenvorbereitung für maschinelles Lernen (ML)
- 1.1 Einlesen und Speichern von Daten.
- 1.2 Daten transformieren und Feature Engineering durchführen.
- 1.3 Sicherstellung der Datenintegrität und Vorbereitung der Daten für die Modellierung.
Bereich 2: ML-Modellentwicklung
- 2.1 Wählen Sie einen Modellierungsansatz.
- 2.2 Modelle trainieren und verfeinern.
- 2.3 Analysieren Sie die Leistung des Modells.
Bereich 3: Bereitstellung und Orchestrierung von ML-Workflows
- 3.1 Auswahl der Bereitstellungsinfrastruktur auf der Grundlage der bestehenden Architektur und der Anforderungen.
- 3.2 Erstellen und Skripten der Infrastruktur auf der Grundlage der bestehenden Architektur und Anforderungen.
- 3.3 Einsatz von automatisierten Orchestrierungswerkzeugen zur Einrichtung von kontinuierlicher Integration und kontinuierlicher Bereitstellung
- (CI/CD) Pipelines.
Bereich 4: Überwachung, Wartung und Sicherheit von ML-Lösungen
- 4.1 Modellinterferenzen überwachen.
- 4.2 Überwachung und Optimierung der Infrastrukturkosten.
- 4.3 Sichere AWS-Ressourcen.
Abschluss des Kurses