Vega Training

Corso Amazon SageMaker Studio for Data Scientists

Durata
Durata Intensiva 3gg.
Inizio
- Amazon SageMaker Studio for Data Scientists (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 (Amazon SageMaker Studio for Data Scientists) (MLASMS):
  • Acquisire competenze nell’utilizzo di SageMaker Studio per accelerare il processo di preparazione, costruzione, addestramento, distribuzione e monitoraggio delle soluzioni ML.
  • Applicare tecniche di elaborazione dei dati utilizzando strumenti come SageMaker Data Wrangler e Amazon EMR.
  • Gestire lo sviluppo del modello, sfruttando funzionalità come SageMaker Experiments e SageMaker Debugger per tracciare e analizzare iterazioni di addestramento e tuning dei modelli.
  • Implementare e ottimizzare la distribuzione e l’inferenza dei modelli utilizzando funzionalità come SageMaker Model Registry e SageMaker Pipelines.
  • Monitorare i modelli ML utilizzando strumenti come Amazon SageMaker Model Monitor e implementare strategie di test, prestazioni e ottimizzazione.
  • 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: Amazon SageMaker Studio Setup
  • JupyterLab Extensions in SageMaker Studio
  • Demonstration: SageMaker user interface demo
  • Module 2: Data Processing
  • Using SageMaker Data Wrangler for data processing
  • Hands-On Lab: Analyze and prepare data using Amazon SageMaker Data Wrangler
  • Using Amazon EMR
  • Hands-On Lab: Analyze and prepare data at scale using Amazon EMR
  • Using AWS Glue interactive sessions
  • Using SageMaker Processing with custom scripts
  • Hands-On Lab: Data processing using Amazon SageMaker Processing and SageMaker Python SDK
  • SageMaker Feature Store
  • Hands-On Lab: Feature engineering using SageMaker Feature Store
  • Module 3: Model Development
  • SageMaker training jobs
  • Built-in algorithms
  • Bring your own script
  • Bring your own container
  • SageMaker Experiments
  • Hands-On Lab: Using SageMaker Experiments to Track Iterations of Training and Tuning Models
  • SageMaker Debugger
  • Hands-On Lab: Analyzing, Detecting, and Setting Alerts Using SageMaker Debugger
  • Automatic model tuning
  • SageMaker Autopilot: Automated ML
  • Demonstration: SageMaker Autopilot
  • Bias detection
  • Hands-On Lab: Using SageMaker Clarify for Bias and Explainability
  • SageMaker Jumpstart
  • Module 4: Deployment and Inference
  • SageMaker Model Registry
  • SageMaker Pipelines
  • Hands-On Lab: Using SageMaker Pipelines and SageMaker Model Registry with SageMaker Studio
  • SageMaker model inference options
  • Scaling
  • Testing strategies, performance, and optimization
  • Hands-On Lab: Inferencing with SageMaker Studio
  • Module 5: Monitoring
  • Amazon SageMaker Model Monitor
  • Discussion: Case study
  • Demonstration: Model Monitoring
  • Module 6: Managing SageMaker Studio Resources and Updates
  • Accrued cost and shutting down
  • Updates
  • 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: Amazon SageMaker Studio Setup
  • JupyterLab Extensions in SageMaker Studio
  • Demonstration: SageMaker user interface demo
  • Module 2: Data Processing
  • Using SageMaker Data Wrangler for data processing
  • Hands-On Lab: Analyze and prepare data using Amazon SageMaker Data Wrangler
  • Using Amazon EMR
  • Hands-On Lab: Analyze and prepare data at scale using Amazon EMR
  • Using AWS Glue interactive sessions
  • Using SageMaker Processing with custom scripts
  • Hands-On Lab: Data processing using Amazon SageMaker Processing and SageMaker Python SDK
  • SageMaker Feature Store
  • Hands-On Lab: Feature engineering using SageMaker Feature Store
  • Module 3: Model Development
  • SageMaker training jobs
  • Built-in algorithms
  • Bring your own script
  • Bring your own container
  • SageMaker Experiments
  • Hands-On Lab: Using SageMaker Experiments to Track Iterations of Training and Tuning Models
  • SageMaker Debugger
  • Hands-On Lab: Analyzing, Detecting, and Setting Alerts Using SageMaker Debugger
  • Automatic model tuning
  • SageMaker Autopilot: Automated ML
  • Demonstration: SageMaker Autopilot
  • Bias detection
  • Hands-On Lab: Using SageMaker Clarify for Bias and Explainability
  • SageMaker Jumpstart
  • Module 4: Deployment and Inference
  • SageMaker Model Registry
  • SageMaker Pipelines
  • Hands-On Lab: Using SageMaker Pipelines and SageMaker Model Registry with SageMaker Studio
  • SageMaker model inference options
  • Scaling
  • Testing strategies, performance, and optimization
  • Hands-On Lab: Inferencing with SageMaker Studio
  • Module 5: Monitoring
  • Amazon SageMaker Model Monitor
  • Discussion: Case study
  • Demonstration: Model Monitoring
  • Module 6: Managing SageMaker Studio Resources and Updates
  • Accrued cost and shutting down
  • Updates

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 3gg.

Date

- Amazon SageMaker Studio for Data Scientists (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