Cloudteam
Polski
EnglishDeutschFrançaisEspañolItalianoNederlandsSvenskaالعربية
Kontakt
Szkolenia
Practical Data Science with Amazon SageMaker

Practical Data Science with Amazon SageMaker

W ramach tego kursu na poziomie średniozaawansowanym uczestnicy uczą się, jak rozwiązywać rzeczywiste problemy za pomocą uczenia maszynowego (ML) i uzyskiwać praktyczne wyniki przy użyciu Amazon SageMaker. Kurs obejmuje wszystkie etapy typowego procesu analizy danych w uczeniu maszynowym, od analizy i wizualizacji zbioru danych po przygotowanie danych i inżynierię cech. Uczestnicy poznają również praktyczne aspekty tworzenia modeli, szkolenia, dostrajania i wdrażania za pomocą Amazon SageMaker. Praktyczne zastosowania obejmują analizę utrzymania klientów w celu opracowania programów lojalnościowych.

Kod szkolenia
AWS-PDS
Czas trwania
1 dzień
Poziom
Średni
Cena
2300 zł
AWS
Dla kogo?

Kurs ten jest przeznaczony dla:

  • programistów
  • Analityków danych
Zdobyte umiejętności

W ramach tego kursu nauczysz się:

  • Przygotować zbiór danych do szkolenia
  • Szkolenia i oceny modelu uczenia maszynowego
  • Automatycznie dostosowywać model uczenia maszynowego
  • Przygotować model uczenia maszynowego do produkcji
  • krytycznie oceniać wyniki modelu uczenia maszynowego
Wymagania wstępne
  • Znajomość języka programowania Python
  • Podstawowa znajomość uczenia maszynowego
Zakres szkolenia

Wprowadzenie do uczenia maszynowego

  • Rodzaje ML
  • Rola ML w pracy
  • Etapy procesu uczenia maszynowego

Wprowadzenie do przygotowania danych i SageMaker

  • Zdefiniowanie zbioru danych szkoleniowych i testowych
  • Wprowadzenie do SageMaker
  • Prezentacja: konsola SageMaker
  • Prezentacja: uruchamianie notatnika Jupyter

Formułowanie problemu i przygotowanie zbioru danych

  • Wyzwanie biznesowe: utrata klientów
  • Przegląd zbioru danych dotyczących utraty klientów

Analiza danych i wizualizacja

  • Prezentacja: Ładowanie i wizualizacja zbioru danych
  • Ćwiczenie: Powiązanie cech z zmiennymi docelowymi
  • Ćwiczenie: Relacje między atrybutami
  • Demonstracja: Czyszczenie danych

Szkolenie i ocena modelu

  • Rodzaje algorytmów
  • XGBoost i SageMaker
  • Demonstracja: Trenowanie danych
  • Ćwiczenie: Kończenie definiowania estymatora
  • Ćwiczenie: Ustawianie hiperparametrów
  • Ćwiczenie: Wdrażanie modelu
  • Prezentacja: Dostrajanie hiperparametrów za pomocą SageMaker
  • Demo: Ocena wydajności modelu

Automatyczne dostrajanie modelu

  • Automatyczne dostrajanie hiperparametrów za pomocą SageMaker
  • Ćwiczenia: Zadania dostrajania

Wdrożenie / gotowość do produkcji

  • Wdrażanie modelu do punktu końcowego
  • Wdrażanie A/B do testów
  • Automatyczne skalowanie Skalowanie
  • Demonstracja: Konfiguracja i testowanie automatycznego skalowania
  • Prezentacja: Sprawdź zadanie dostrajania hiperparametrów
  • Demonstracja: Automatyczne skalowanie AWS
  • Ćwiczenie: Skonfiguruj skalowanie automatyczne AWS

Względny koszt błędów

  • Koszt różnych typów błędów
  • Prezentacja: Granica klasyfikacji binarnej

Architektura i funkcje Amazon SageMaker

  • Dostęp do notebooków Amazon SageMaker w VPC
  • Transformacje wsadowe Amazon SageMaker
  • Amazon SageMaker Ground Truth
  • Amazon SageMaker Neo

Zapytaj o termin i wycenę

To szkolenie realizujemy na zamówienie. Daj nam znać, a dopasujemy termin i formę (online / stacjonarnie),

Odpowiedź z propozycją terminu do 24 godzin
Bez zobowiązań – samo zapytanie niczego nie rezerwuje
Możliwość realizacji tylko dla Twojego zespołu