AWS - MLOps Engineering on AWS

  • 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.

  • 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).
    Dieses Seminar führen wir in Kooperation mit der Fast Lane GmbH durch.

    • 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
  • 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)
  • Dieses Seminar können Sie als Live-Online-Training (virtuelles Präsenzseminar) buchen. Die technischen Voraussetzungen für Live-Online-Schulungen (Virtual Classrooms) finden sie hier.
Alle Kursinformationen als PDF

Anmeldung

Live-Online-Training  
↳ Garantietermin

Zeitrahmen: 3 Tageskurs | 09:00 bis 17:00 Uhr

Preise

Die Teilnahmegebühr beträgt

1.995,00 €
(2.374,05 € inkl. 19% MwSt.)

Im Preis enthalten sind: Technische Beratung, Kursmaterial und Schulungszertifikat.


  • Von 38 Kunden gebucht. 38 Kunden haben bereits die Schulung:
    AWS - MLOps Engineering on AWS gebucht.
    (innerhalb der letzten 24 Monate als offenes Seminar, Firmenschulung oder Workshop)
    • Durchführung ab 1 Teilnehmenden

      Unser Ziel ist es, Ihnen schnellstmöglich den gewünschten Kurs anzubieten. Aus diesem Grund führen wir einen Großteil unserer Seminare ab einer Person durch. Das bietet Ihnen Planungssicherheit und bringt Sie schnell an Ihr Ziel.

    • Schulungsexperte seit 1985

      Wir haben mehr als 30 Jahre Schulungserfahrung. Dabei setzen wir auf Trainerinnen und Trainer mit langjähriger didaktischer und praktischer Erfahrung.

    • Kundenauszeichnung

      PC-COLLEGE bietet exzellente Seminare bestätigen unsere Teilnehmer auf dem unabhängigen Bewertungsportal eKomi.

    • ... alle Vorteile auf einen Blick
  • SeNr. Seminar Termin Dauer Standorte
    AWR
    240708FL
    08.07. - 10.07.2024 3 Tage Live-Online-Training
    AWR
    240805FL
    05.08. - 07.08.2024 3 Tage Live-Online-Training
    AWR
    241007FL
    07.10. - 09.10.2024 3 Tage Live-Online-Training
    AWR
    241125FL
    25.11. - 27.11.2024 3 Tage Live-Online-Training

Hier finden Sie eine Faxvorlage für Ihre Kursanmeldung.

Ihre gewünschte Kursart wählen Sie bei der Anmeldung:

  • Präsenzseminar:
    Ein Schulungserlebnis vor Ort
    mit persönlichen Kontakten und Hygieneregeln
  • Online-Seminar:
    Modernes und interaktives
    Live-Online-Training in
    Echtzeit
Einfach
erfolgreich
sein!
Ekomi Gold Status

Exzellent 4,8 / 5

basierend auf 966 Bewertungen (Alle Kurs-Bewertungen der letzten 12 Monate)

Hier individuelles Firmenseminar anfragen

Thema:

AWS - MLOps Engineering on AWS

Ihr Wunschtermin


PC-COLLEGE ist autorisiertes Training Center

  • Microsoft Schulungs Anbieter
  • Autodesk Schulungs Anbieter
  • Lpi Schulungs Anbieter
  • Cobra Schulungs Anbieter
  • Corel Schulungs Anbieter
  • Microsoft Schulungs Anbieter
  • Pearson Schulungs Anbieter
  • Kryterion Schulungs Anbieter
  • Certiport Schulungs Anbieter
  • Learnquest Schulungs Anbieter
  • Google Schulungs Anbieter