SzkoleniaSztuczna inteligencja / AWS Data ScientistAWS-ASSDS
AWS-ASSDSAWS · szkolenie autoryzowane
Amazon SageMaker Studio for Data Scientists
Szkolenie przygotowuje doświadczonych specjalistów data science do pracy z narzędziami Amazon SageMaker Studio na każdym etapie cyklu życia modeli ML – od przygotowania danych, przez budowanie, trenowanie i strojenie, po wdrażanie i monitorowanie. Omawiane są m.in. SageMaker Data Wrangler, Feature Store, Experiments, Debugger, Clarify, Pipelines i Model Monitor oraz rozszerzenia Amazon CodeWhisperer i Amazon CodeGuru Security. Zajęcia obejmują prezentacje, ćwiczenia laboratoryjne, demonstracje, dyskusje i projekt końcowy.
- Czas trwania
- 3 dni
- Poziom
- Zaawansowany
- Dostawca
- AWS
- Obszar
- Sztuczna inteligencja / AWS Data Scientist
Zakres szkolenia
- Konfiguracja Amazon SageMaker Studio i rozszerzenia JupyterLab
- Przetwarzanie danych – Data Wrangler, Amazon EMR, AWS Glue interactive sessions, SageMaker Processing, Feature Store
- Tworzenie modeli – zadania treningowe, własne skrypty i kontenery, Experiments, Debugger, Autopilot, Clarify, JumpStart
- Wdrażanie i wnioskowanie – Model Registry, Pipelines, opcje wnioskowania, skalowanie, testowanie i optymalizacja
- Monitorowanie modeli w Amazon SageMaker Model Monitor
- Zarządzanie zasobami i aktualizacjami SageMaker Studio – naliczane koszty i wyłączanie zasobów
- Projekt końcowy – pełny cykl ML od przygotowania danych po predykcje wsadowe
Zdobyte umiejętności
- Przygotowywać, budować, trenować, wdrażać i monitorować modele ML w Amazon SageMaker Studio
- Analizować i przygotowywać dane za pomocą SageMaker Data Wrangler i Amazon EMR
- Przetwarzać dane w SageMaker Processing z użyciem SageMaker Python SDK
- Tworzyć cechy i grupy cech w SageMaker Feature Store
- Śledzić iteracje trenowania i strojenia modeli w SageMaker Experiments
- Analizować przebieg trenowania i ustawiać alerty w SageMaker Debugger
- Oceniać stronniczość i wyjaśnialność modeli w SageMaker Clarify
- Automatyzować proces tworzenia modeli w SageMaker Pipelines i SageMaker Model Registry
- Uruchamiać wnioskowanie i predykcje wsadowe z użyciem punktów końcowych modeli
- Monitorować modele za pomocą Amazon SageMaker Model Monitor
Dla kogo jest to szkolenie
- Doświadczeni specjaliści data science biegli w podstawach uczenia maszynowego i deep learningu
- Data scientists odpowiedzialni za trenowanie, strojenie i wdrażanie modeli ML
Wymagania wstępne
- Doświadczenie w pracy z frameworkami ML
- Doświadczenie w programowaniu w Pythonie
- Co najmniej rok pracy jako data scientist odpowiedzialny za trenowanie, strojenie i wdrażanie modeli
- Ukończone szkolenie AWS Technical Essentials (w wersji cyfrowej lub stacjonarnej)
6500 zł
Zapytaj o termin