Vega Training

Corso The Machine Learning Pipeline on AWS

Durata
- Durata Estensiva 30 Ore; - Durata Intensiva 4gg;
Inizio
- 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].
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 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. 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 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

Ammissione e iscrizione

Prerequisiti
  • Si consiglia la partecipazione ai seguenti corsi:
  • - AWS Technical Essentials
  • - Python Developer

Erogazione

Durata

- Durata Estensiva 30 Ore; - Durata Intensiva 4gg;

Date

- 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].

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