AWS - MLOps Engineering on AWS

Nächster Termin:
08.07.2024 - 09:00 - 16:00 Uhr
Kurs endet am:
10.07.2024
Gesamtdauer:
24 Stunden in 3 Tagen
Praktikum:
Nein
Unterrichtssprachen:
  • Deutsch
Veranstaltungsart:
  • Weiterbildung 
Angebotsform:
  • E-Learning 
Durchführungszeit:
  • Tagesveranstaltung
Teilnehmer min.:
1
Teilnehmer max.:
8
Preis:
2.374,05 € - Inklusive Schulungsunterlagen und Pausenversorgung
Förderung:
  • Bildungsscheck Brandenburg für Beschäftigte 
  • Betriebliche Weiterbildung Brandenburg 
Abschlussart:
Zertifikat/Teilnahmebestätigung 
Abschlussprüfung:
Nein
Abschlussbezeichnung:
keine Angaben
Zertifizierungen des Angebots:
  • Nicht zertifiziert
Angebot nur für Frauen:
Nein
Kinderbetreuung:
Nein
Link zum Angebot:
Infoqualität:
Suchportal Standard nicht erfüllt - Weitere Informationen

Zielgruppen:
DevOps Engineers ML Engineers Entwickler/Betriebe mit Verantwortung für die Operationalisierung von ML-Modellen
Fachliche Voraussetzungen:
<b>Erforderlich:</b> - AWS Technical Essentials (AWSE) - DevOps Engineering on AWS (AWSDEVOPS) - Practical Data Science with Amazon SageMaker (PDSASM) Zusätzlich Empfohlen: - The Elements of Data Science (digitaler Kurs) oder gleichwertige Erfahrung - Machine Learning Terminology and Process (digitaler Kurs)
Technische Voraussetzungen:
Keine besonderen Anforderungen.
Systematik der Agenturen für Arbeit:
  • C 1430-10-10 System-, Netzwerkadministration - allgemein

Inhalte

- Einführung in MLOps
- - Operationen des maschinellen Lernens
- - Ziele von MLOps
- - Kommunikation
- - Von DevOps zu MLOps
- - ML-Arbeitsablauf
- - Umfang
- - MLOps-Sicht auf den ML-Workflow
- - MLOps-Fälle
- MLOps-Entwicklung
- - Einführung in das Erstellen, Trainieren und Bewerten von Modellen für maschinelles Lernen
- - MLOps-Sicherheit
- - Automatisieren
- - Apache Airflow
- - Kubernetes-Integration für MLOps
- - Amazon SageMaker für MLOps
- - Bringen Sie Ihren eigenen Algorithmus in eine MLOps-Pipeline ein
- - Amazon SageMaker
- - Einführung in das Erstellen, Trainieren und Bewerten von Modellen für maschinelles Lernen
- - Code und Bereitstellung Ihres ML-Modells mit AWS CodeBuild
- - Das Arbeitsbuch zum MLOps-Aktionsplan
- MLOps-Bereitstellung
- - Einführung in die Bereitstellungsvorgänge
- - Modell-Paketierung
- - Inferenz
- - Einsetzen des Modells in der Produktion
- - SageMaker Produktionsvarianten
- - Strategien für den Einsatz
- - Einsatz an der Grenze
- - Durchführen von A/B-Tests
- - MLOps-Aktionsplan Arbeitsbuch
- Modellüberwachung und Betrieb
- - Fehlersuche in Ihrer Pipeline
- - Die Bedeutung der Überwachung
- - Überwachung durch Design
- - Überwachen Sie Ihr ML-Modell
- - Human-in-the-loop
- - Amazon SageMaker Modell-Monitor
- - Amazon SageMaker Pipelines, Model Monitor, Model Registry und Feature Store
- - Lösen des Problems/der Probleme
- - Das MLOps Action Plan Workbook
- Nachbereitung
- - Nachbearbeitung der MLOps-Aktionsplan-Arbeitsmappe

Alle Angaben ohne Gewähr. Für die Richtigkeit der Angaben sind ausschließlich die Anbieter verantwortlich.

Erstmals erschienen am 26.03.2024, zuletzt aktualisiert am 14.05.2024