PARTNER SageMaker Studio for Data Scientists

Produktinformation

• Produktnavn: Amazon SageMaker Studio for Data Scientists
• Længde: 3 dage
• Pris (inkl. moms): 2860 USD
• Udbyder: Lumify arbejde
• Officiel AWS-træningspartner: Australien, New Zealand og Filippinerne
• Beskrivelse: Amazon SageMaker Studio er en omfattende platform designet specifikt til datavidenskabsfolk til hurtigt at forberede, bygge, træne, implementere og overvåge maskinlæringsmodeller (ML). Det tilbyder en bred vifte af funktioner, der er specialbygget til ML-opgaver.

CLOUD COMPUTING OG VIRTUALISERING
Amazon SageMaker Studio for Data Scientists

• LÆNGDE: 3 dage
• PRIS (inkl. moms): 2860 USD

AWS PÅ LUMIFY WORK
Lumify Work er en officiel AWS-træningspartner for Australien, New Zealand og Filippinerne. Gennem vores autoriserede AWS-instruktører kan vi give dig en læringsvej, der er relevant for dig og din organisation, så du kan få mere ud af skyen. Vi tilbyder virtuel og ansigt-til-ansigt klasseværelsesbaseret træning for at hjælpe dig med at opbygge dine cloud-færdigheder og gøre dig i stand til at opnå brancheanerkendt AWS-certificering.

Hvorfor studere dette kursus
Dette tre-dages kursus på avanceret niveau er designet til at hjælpe erfarne dataforskere med at forbedre deres produktivitet gennem hele ML-livscyklussen ved hjælp af de tilgængelige værktøjer i SageMaker Studio. Kurset inkluderer præsentationer, demonstrationer, praksislaboratorier, diskussioner og et hjørnestensprojekt.

Hvad du vil lære
Dette kursus vil lære deltagerne at:

1. Fremskynd forberedelsen, opbygningen, træningen, implementeringen og overvågningen af ​​ML-løsninger ved hjælp af Amazon SageMaker Studio.

Kursusfag

Modul 1: Amazon SageMaker opsætning og navigation

• Start SageMaker Studio fra AWS Service Catalog
• Naviger i SageMaker Studio UI
• Demo 1: SageMaker UI Walkthrough
• Lab 1: Start SageMaker Studio fra AWS Service Catalog

Modul 2: Databehandling

• Brug Amazon SageMaker Studio til at indsamle, rense, visualisere, analysere og transformere data
• Opsæt en gentagelig proces til databehandling
• Brug SageMaker til at validere, at indsamlede data er ML-klar
• Opdag bias i indsamlede data og estimer grundlinjemodellens nøjagtighed
• Lab 2: Analyser og klargør data ved hjælp af SageMaker Data Wrangler
• Lab 3: Analyser og klargør data i skala ved hjælp af Amazon EMR
• Lab 4: Databehandling ved hjælp af SageMaker Processing og SageMaker Python SDK
• Lab 5: Feature Engineering ved hjælp af SageMaker Feature Store

Min instruktør var fantastisk ved at kunne sætte scenarier ind i den virkelige verden, der var relateret til min specifikke situation. Jeg fik mig til at føle mig velkommen fra det øjeblik, jeg ankom, og evnen til at sidde som en gruppe uden for klasseværelset for at diskutere vores situationer og vores mål var yderst værdifuld. Jeg lærte meget og følte, at det var vigtigt, at mine mål ved at deltage i dette kursus blev nået. Godt arbejde Lumify Work-team.

AMANDA NICOL
IT SUPPORT SERVICES MANAGER – HEALT H WORLD LIMIT ED

Modul 4: Implementering og inf erence

• Brug Model Registry til at oprette en modelgruppe; register, viewog administrere modelversioner; ændre modelgodkendelsesstatus; og implementere en model
• Design og implementer en implementeringsløsning, der opfylder kravene til inferensbrug
• Opret, automatiser og administrer end-to-end ML-arbejdsgange ved hjælp af
• Amazon SageMaker Pipelines
• Lab 9: Inferencing med SageMaker Studio
• Lab 10: Brug af SageMaker Pipelines og SageMaker Model Registry med SageMaker Studio

Lumify arbejde Tilpasset træning
Vi kan også levere og tilpasse dette kursus til større grupper, hvilket sparer din organisation for tid, penge og ressourcer. For mere information, kontakt os venligst på 1 800 853 276.

Modul 5: Overvågning

• Konfigurer en SageMaker Model Monitor-løsning til at opdage problemer og igangsætte advarsler for ændringer i datakvalitet, modelkvalitet, bias-drift og funktionstilskrivning (forklarbarhed)-drift
• Opret en overvågningsplan med et foruddefineret interval
• Demo 3: Modelovervågning

Modul 6: Håndtering af SageMaker St udio ressourcer og opdateringer

• Angiv ressourcer, der påløber omkostninger
• Husk, hvornår du skal lukke forekomster
• Forklar, hvordan du lukker forekomster, notebooks, terminaler og kerner ned
• Forstå processen med at opdatere SageMaker Studio

Modul 3: Modeludvikling

• Brug Amazon SageMaker Studio til at udvikle, tune og evaluere en ML-model i forhold til forretningsmål og bedste praksis for retfærdighed og forklaring
• Finjuster ML-modeller ved hjælp af automatisk hyperparameteroptimering
• Brug SageMaker Debugger til at synliggøre problemer under modeludvikling
• Demo 2: Autopilot
• Lab 6: Spor iterationer af trænings- og tuningmodeller ved hjælp af SageMaker-eksperimenter
• Lab 7: Analyser, detekter og indstil advarsler ved hjælp af SageMaker Debugger Lab 8: Identificer skævhed ved hjælp af SageMaker Clarify

Capstone
Capstone-laboratoriet vil samle de forskellige muligheder i SageMaker Studio, som diskuteres i dette kursus. Studerende vil få mulighed for at forberede, bygge, træne og implementere en model ved hjælp af et tabeldatasæt, der ikke er set i tidligere laboratorier. Eleverne kan vælge mellem grundlæggende, mellemliggende og avancerede versioner af instruktionerne.

Capstone Lab:
Byg et ende-til-ende-tabeldata-ML-projekt ved hjælp af SageMaker Studio og SageMaker Python SDK

Behage note: Dette er et spirende teknologikursus. Kursusoversigt kan ændres efter behov.

HVEM ER KURSET FOR?

Dette kursus er beregnet til:

1. Erfarne data scientists, der er dygtige til ML og deep learning fundamentals
2. Relevant erfaring omfatter brug af ML-frameworks, Python-programmering og processen med opbygning, træning, tuning og implementering af modeller

Vi kan også levere og tilpasse dette træningskursus til større grupper – hvilket sparer din organisation tid, penge og ressourcer. For mere information, kontakt os venligst på 1800 U LEARN (1800 853 276)

FORUDSÆTNINGER

Det anbefales, at alle deltagere har følgende forud for dette kursus:

• Gennemført AWS Technical Essent ials kursus
• Erfaring med Pyt hon-programmering

Det anbefales, at deltagere, der ikke er erfarne dataforskere, også har følgende forud for at deltage i dette kursus:

• Gennemført The Machine Learning Pipeline på AWS kursus
• Gennemført Deep Learning på AWS kursus

Udbuddet af dette kursus af Lumify Work er underlagt reservationsbetingelserne. Læs venligst vilkår og betingelser omhyggeligt, før du tilmelder dig dette kursus, da tilmelding til kurset er betinget af accept af disse vilkår og betingelser.

https://www.lumifywork.com/en-au/courses/amazon-sagemaker-studio-for-data-scientists/

Ring på 1800 853 276 og tal med en Lumify Work Consultant i dag!

• [e-mail beskyttet]
• lumifywork.com
• facebook.com/LumifyWorkAU
• linkedin.com/company/lumify-work
• twitter.com/LumifyWorkAU
• youtube.com/@lumifywork

FAQ'er

Hvor langt er kurset?

Kurset varer 3 dage.

Hvad er prisen for kurset?

Prisen for kurset, inklusive moms, er $2860.

Hvem er udbyderen af ​​dette kursus?

Lumify Work er den officielle AWS-træningspartner for Australien, New Zealand og Filippinerne.

Hvad er Amazon SageMaker Studio?

Amazon SageMaker Studio er en omfattende platform designet specifikt til datavidenskabsfolk til hurtigt at forberede, bygge, træne, implementere og overvåge maskinlæringsmodeller (ML).

Dokumenter/ressourcer

PARTNER SageMaker Studio for Data Scientists [pdf] Installationsvejledning SageMaker Studio for Data Scientists, SageMaker, Studio for Data Scientists, Data Scientists, Scientists

Referencer

• Brugermanual