AWS - MLOps Engineering on AWS

Prochain date:
08.07.2024 - 09:00 - 16:00 Uhr
Le cours se termine le:
10.07.2024
Durée totale:
24 Stunden in 3 Tagen
Stage:
Nein
Langues d'enseignement:
  • Deutsch
Type de formation:
  • Weiterbildung 
Forme de cours:
  • E-Learning 
Temps d'exécution:
  • Tagesveranstaltung
Participants min.:
1
Participants max.:
8
Prix:
2 374,05 € - Inklusive Schulungsunterlagen und Pausenversorgung
Opportunité de financement:
  • Bildungsscheck Brandenburg für Beschäftigte 
  • Betriebliche Weiterbildung Brandenburg 
Type de diplôme:
Zertifikat/Teilnahmebestätigung 
Examen final:
Nein
Désignation de diplôme:
keine Angaben
Certifications du cours:
  • Nicht zertifiziert
Cours pour femmes uniquement:
Nein
Garde d’enfants:
Nein
Lien vers l’offre:
Qualité de l’information:
Suchportal Standard nicht erfüllt - informations complémentaires

Groupes cibles:
DevOps Engineers ML Engineers Entwickler/Betriebe mit Verantwortung für die Operationalisierung von ML-Modellen
Connaissances spécialisées:
<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)
Connaissances techniques:
Keine besonderen Anforderungen.
Classification de l’Agence pour l’emploi:
  • C 1430-10-10 System-, Netzwerkadministration - allgemein

Contenus

- 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

Toutes les informations sont sans garantie. Les prestataires sont seuls responsables de la justesse des informations mises à disposition.

Première publication le 26.03.2024, dernière mise à jour le 29.05.2024