Curso The Machine Learning Pipeline on AWS

CAS Training AWS Partner Select Tier Training
 

Calendario

FechaDuraciónHorarioModalidadMatrícula
29 de julio de 202428 horasLun a Jue, 18:00 - 22:00Aula virtualDescargar matrícula

Acerca del curso

En el curso The Machine Learning Pipeline on AWS se explora cómo utilizar la canalización de Machine Learning (ML) a fin de resolver un problema empresarial real en un entorno de aprendizaje basado en proyectos. Aprenderás sobre cada fase de la canalización a través de presentaciones y demostraciones del instructor. Luego aplicarás ese conocimiento para completar un proyecto mediante la resolución de uno de los tres problemas empresariales: detección de fraude, motores de recomendación y retrasos en los vuelos. Cuando finalice el curso, habrás creado, capacitado, evaluado, ajustado e implementado de manera satisfactoria un modelo de ML con Amazon SageMaker que resuelva el problema empresarial seleccionado.

Preparación para el examen de certificación:

AWS Certified Machine Learning Specialty

  • Desarrolladores.
  • Arquitectos de soluciones.
  • Ingenieros de datos.
  • Todo aquel con poca experiencia con ML o sin ella que desee aprender sobre la canalización de ML con Amazon SageMaker.

  • Seleccionar y justificar el enfoque de ML adecuado para un problema de negocio determinado.
  • Usar la canalización de ML para resolver un problema empresarial específico.
  • Capacitar, evaluar y ajustar un modelo de ML en Amazon SageMaker.
  • Describir algunas de las prácticas recomendadas para diseñar canalizaciones de ML escalables, optimizadas según el costo y seguras en AWS.
  • Aplicar el aprendizaje automático a un problema comercial de la vida real después de completar el curso.

  • Tener conocimientos básicos del lenguaje de programación Python.
  • Tener una comprensión básica de la infraestructura de la nube de AWS (Amazon S3 y Amazon CloudWatch).
  • Tener experiencia básica de trabajo en un entorno de bloc de notas de Jupyter.

Módulo 0: Introduction

  • Pre-assessment

Módulo 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

Módulo 2: Introduction to Amazon SageMaker

  • Introduction to Amazon SageMaker
  • Demo: Amazon SageMaker and Jupyter notebooks
  • Hands-on: Amazon SageMaker and Jupyter notebooks

Módulo 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

Módulo 4: Preprocessing

  • Overview of data collection and integration, and techniques for data preprocessing and visualization
  • Practice preprocessing
  • Preprocess project data
  • Class discussion about projects

Módulo 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

Módulo 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

Módulo 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

Módulo 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

Documentación oficial del curso The Machine Learning Pipeline on AWS.

  • Formador certificado por AWS.
  • Más de 5 años de experiencia profesional.
  • Más de 4 años de experiencia docente.
  • Profesional activo en empresas del sector IT.

Solicita información


Descarga el programa del curso
Descargar programa
Hoja de Matriculación:
Descargar matrícula

Si no has encontrado lo que buscabas, prueba buscar tu curso o certificación aquí

Compartir: