AWS - MLOps Engineering on AWS

• Kurze Kursbeschreibung

  In dem Seminar AWS - MLOps Engineering on AWS (MLOE), aufbauend auf der vorherrschenden DevOps-Praxis in der Softwareentwicklung, lernen Sie, wie Sie Modelle für maschinelles Lernen erstellen.

• Weitere Kursinformationen (Code: kursawr)

  Der Kurs AWS - MLOps Engineering on AWS (MLOE) baut auf der in der Softwareentwicklung vorherrschenden DevOps-Praxis auf und erweitert sie, um Modelle für maschinelles Lernen (ML) zu erstellen, zu trainieren und bereitzustellen. Die Bedeutung von Daten, Modellen und Code für erfolgreiche ML-Bereitstellungen wird vermittelt. Im Kurs wird der Einsatz von Tools, Automatisierung, Prozessen und Teamwork demonstriert, um die Herausforderungen zu bewältigen, die mit Übergaben zwischen Dateningenieuren, Datenwissenschaftlern, Softwareentwicklern und dem Betrieb verbunden sind. Die Verwendung von Werkzeugen und Prozessen zur Überwachung und Ergreifung von Maßnahmen wird diskutiert, wenn die Modellvorhersage in der Produktion von vereinbarten Leistungskennzahlen abweicht.

  Optional erstellen Sie einen MLOps-Aktionsplan für ihre Organisation durch tägliche Reflexion der Unterrichts- und Laborinhalte sowie durch Gespräche mit Kollegen und Dozenten.

  Angesprochener Teilnehmerkreis:

  • DevOps Engineers
  • ML Engineers
  • Entwickler/Betriebe mit Verantwortung für die Operationalisierung von ML-Modellen
    

  Hinweis:
  Kurssprache ist Deutsch, die Unterlagen sind in englischer Sprache (teilweise in digitaler Form).
  

• Kurs- bzw. Schulungsinhalte

  • 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

• Schulungs- bzw. Kursvoraussetzungen

  Erforderlich:

  • 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)

• Schulungsart

  Dieses Seminar können Sie nur als Live-Online-Training (virtuelles Präsenzseminar) buchen. Schauen Sie sich die technischen Voraussetzungen für Live-Online-Schulungen an.

Anmeldung

• Terminübersicht

  KursNr.	Kurs	Termin	Dauer	Standorte
  AWR 240708FL	AWS - MLOps Engineering on AWS	08.07. - 10.07.2024	3 Tage	Live-Online-Training
  AWR 240805FL	AWS - MLOps Engineering on AWS	05.08. - 07.08.2024	3 Tage	Live-Online-Training
  AWR 241007FL	AWS - MLOps Engineering on AWS	07.10. - 09.10.2024	3 Tage	Live-Online-Training
  AWR 241125FL	AWS - MLOps Engineering on AWS	25.11. - 27.11.2024	3 Tage	Live-Online-Training

• Seminarübersichten

  • Nach Schlagworten
  • Nach Herstellern
  • Nach Kategorien