Detaillierter Kursinhalt
Modul 0: Kurseinführung
Modul 1: Einführung in maschinelles Lernen (ML) auf AWS
- Thema A: Einführung in ML
- Thema B: Amazon SageMaker AI
- Thema C: Verantwortungsvolle ML
Modul 2: Analyse der Herausforderungen des maschinellen Lernens (ML)
- Thema A: Bewertung von ML-Geschäftsherausforderungen
- Thema B: ML-Trainingsansätze
- Thema C: ML-Trainingsalgorithmen
Modul 3: Datenverarbeitung für maschinelles Lernen (ML)
- Thema A: Datenaufbereitung und Datentypen
- Thema B: Explorative Datenanalyse
- Thema C: AWS-Speicheroptionen und Auswahl des Speichers
Modul 4: Datenumwandlung und Feature Engineering
- Thema A: Umgang mit falschen, doppelten und fehlenden Daten
- Thema B: Konzepte der Merkmalstechnik
- Thema C: Techniken der Merkmalsauswahl
- Thema D: AWS-Datenumwandlungsdienste
- Übung 1: Analysieren und Aufbereiten von Daten mit Amazon SageMaker Data Wrangler und Amazon EMR
- Übung 2: Datenverarbeitung mit SageMaker Processing und dem SageMaker Python SDK
Modul 5: Auswahl eines Modellierungsansatzes
- Thema A: Integrierte Algorithmen von Amazon SageMaker AI
- Thema B: Amazon SageMaker Autopilot
- Thema C: Auswahl von integrierten Trainingsalgorithmen
- Thema D: Überlegungen zur Modellauswahl
- Thema E: ML-Kostenüberlegungen
Modul 6: Training von Modellen für maschinelles Lernen (ML)
- Thema A: Konzepte für die Modellausbildung
- Thema B: Training von Modellen in Amazon SageMaker AI
- Übung 3: Training eines Modells mit Amazon SageMaker AI
Modul 7: Bewertung und Abstimmung von Modellen des maschinellen Lernens (ML)
- Thema A: Bewertung der Modellleistung
- Thema B: Techniken zur Verkürzung der Ausbildungszeit
- Thema C: Techniken zur Abstimmung der Hyperparameter
- Übung 4: Modellabstimmung und Hyperparameter-Optimierung mit Amazon SageMaker AI
Modul 8: Strategien für den Einsatz von Modellen
- Thema A: Überlegungen zum Einsatz und Zieloptionen
- Thema B: Bereitstellungsstrategien
- Thema C: Auswahl einer Modellinferenzstrategie
- Thema D: Container- und Instanztypen für die Inferenz
- Übung 5: Verkehrsverlagerung
Modul 9: Sichern von AWS-Ressourcen für maschinelles Lernen (ML)
- Thema A: Zugangskontrolle
- Thema B: Netzwerkzugangskontrollen für ML-Ressourcen
- Thema C: Sicherheitsüberlegungen für CI/CD-Pipelines
Modul 10: Operationen für maschinelles Lernen (MLOps) und automatisierte Bereitstellung
- Thema A: Einführung in MLOps
- Thema B: Automatisierung von Tests in CI/CD-Pipelines
- Thema C: Kontinuierliche Lieferdienste
- Übung 6: Verwendung von Amazon SageMaker Pipelines und der Amazon SageMaker Model Registry mit Amazon SageMaker Studio
Modul 11: Überwachung der Modellleistung und Datenqualität
- Thema A: Erkennung von Drift in ML-Modellen
- Thema B: SageMaker Model Monitor
- Thema C: Überwachung von Datenqualität und Modellqualität
- Thema D: Automatisierte Abhilfemaßnahmen und Fehlerbehebung
- Übung 7: Überwachung eines Modells auf Datendrift