Machine Learning Engineering on AWS.

In diesem Kurs lernen Sie unter anderem:

• Die Grundlagen des maschinellen Lernens sowie dessen Einsatzmöglichkeiten in der AWS Cloud zu erklären.
• Daten für ML-Aufgaben mithilfe von AWS-Services zu verarbeiten, zu transformieren und aufzubereiten.
• Geeignete ML-Algorithmen und Modellierungsansätze basierend auf Problemstellungen und Interpretierbarkeit auszuwählen.
• Skalierbare ML-Pipelines mit AWS-Services für Training, Bereitstellung und Orchestrierung zu entwerfen und umzusetzen.
• Automatisierte Continuous-Integration- und Delivery-(CI/CD-)Pipelines für ML-Workflows zu erstellen.
• Angemessene Sicherheitsmaßnahmen für ML-Ressourcen auf AWS zu benennen.
• Überwachungsstrategien für eingesetzte ML-Modelle umzusetzen, einschließlich Techniken zur Erkennung von Datenabweichungen (Data Drift).

Wir empfehlen den Teilnehmenden dieses Kurses folgende Voraussetzungen:

• Vertrautheit mit grundlegenden Machine Learning-Konzepten

• Praktische Kenntnisse in der Programmiersprache Python sowie in gängigen Data-Science-Bibliotheken wie NumPy, Pandas und Scikit-learn

• Grundlegendes Verständnis von Cloud-Computing-Konzepten und Vertrautheit mit AWS

• Erfahrung mit Versionskontrollsystemen wie Git (vorteilhaft, aber nicht erforderlich)

Dieser Kurs richtet sich an Fachkräfte, die daran interessiert sind, Machine-Learning-Modelle auf AWS zu entwickeln, bereitzustellen und in den produktiven Betrieb zu überführen. Dazu zählen sowohl bereits tätige als auch angehende Machine-Learning-Engineers, die möglicherweise nur wenig Vorerfahrung mit AWS haben. Auch Rollen wie DevOps Engineer, Entwickler oder SysOps Engineer können von dieser Schulung profitieren.