概述

在 AWS 上開發具備生產環境需求的機器學習應用程式,並由專家主導的培訓。

93%的決策者表示,AWS 培訓比第三方選項更符合專案需求 ,凸顯了認證 AWS 機器學習專業人員對業務的影響力。(ESG Insights 論文:理解 AWS 培訓對組織的價值,2023 年 1 月)

亞馬遜網路服務(AWS)上的機器學習(ML)工程課程是為期三天的中級課程,專為尋求以下領域的機器學習專業人士設計:

  • 在 AWS 上學習機器學習工程。
  • 透過理論、實務實驗室與活動的平衡結合,學習如何大規模建置、部署、協調並實務化機器學習解決方案。
  • 獲得使用 AWS 服務如 Amazon SageMaker AI 及分析工具如 Amazon EMR 的實務經驗,開發穩健、可擴展且可上環境的機器學習應用

為什麼選擇 KORNERSTONE

  • 經認證、由實務人員主導的專家證書培訓師,提供高品質的培訓
  • 官方訓練資料包含
  • 實務、情境導向學習——著重應用,而非僅理論
  • 優秀的通過率

涵蓋技能

  • 請說明機器學習的基本原理及其在 AWS 雲端的應用。
  • 利用 AWS 服務處理、轉換並工程機器學習任務所需的資料。
  • 根據問題需求與模型可解釋性,選擇適當的機器學習演算法與建模方法。
  • 利用 AWS 服務設計並實作可擴展的機器學習管線,進行模型訓練、部署與編排。
  • 為機器學習工作流程建立自動化持續整合與交付(CI/CD)流程。
  • 討論 AWS 上機器學習資源的適當安全措施。
  • 對已部署的機器學習模型實施監控策略,包括偵測資料漂移的技術。

先決條件

我們建議參加本課程的學員具備以下資料:

  • 熟悉基本的機器學習概念
  • 具備 Python 程式語言及常見資料科學函式庫如 NumPy、Pandas 和 Scikit-learn 的工作知識
  • 具備雲端運算概念的基本理解及對 AWS 的熟悉度
  • 使用版本控制系統如 Git 的經驗(有幫助但非必要)

目標受眾

  • 本課程專為有興趣在 AWS 上建構、部署及實作機器學習模型的專業人士設計。
  • 這可能包括目前及正在培訓的機器學習工程師,他們可能對 AWS 經驗有限。
  • 其他可以受益於此訓練的職務包括 DevOps 工程師、開發人員和 SysOps 工程師。

培訓大綱

模組一:AWS 上的機器學習(ML)導論

  • 機器學習導論
  • 亞馬遜 SageMaker AI
  • 負責任的機器學習

模組二:分析機器學習(ML)挑戰

  • 評估機器學習商業挑戰
  • 機器學習訓練方法
  • 機器學習訓練演算法

模組三:機器學習(ML)資料處理

  • 資料準備與類型
  • 探索性資料分析
  • AWS 儲存選項與選擇儲存

模組 4:資料轉換與特徵工程

  • 處理錯誤、重複及遺失的資料
  • 特徵工程概念
  • 特徵選擇技術
  • AWS 資料轉換服務
  • 實驗一:使用 Amazon SageMaker Data Wrangler 與 Amazon 電子病歷分析與準備資料
  • 實驗二:使用 SageMaker Processing 與 SageMaker Python SDK 進行資料處理

模組 5:建模方法的選擇

  • Amazon SageMaker AI 內建演算法
  • Amazon SageMaker 自動駕駛
  • 選擇內建訓練演算法
  • 模型選擇考量
  • 主題 E:機器學習成本考量

模組 6:訓練機器學習(ML)模型

  • 模型訓練概念
  • Amazon SageMaker AI 中的模型訓練
  • 實驗三:使用 Amazon SageMaker AI 訓練模型

模組7:機器學習(ML)模型的評估與調整

  • 模型效能評估
  • 縮短訓練時間的技巧
  • 超參數調諧技術
  • 實驗四:使用 Amazon SageMaker AI 進行模型調整與超參數優化

模組8:模型部署策略

  • 部署考量與目標選項
  • 部署策略
  • 選擇模型推論策略
  • 推論用的容器與實例類型
  • 實驗五:交通轉移

模組 9:確保 AWS 機器學習(ML)資源的安全

  • 存取控制
  • 機器學習資源的網路存取控制
  • CI/CD 管線的安全考量

模組 10:機器學習操作(MLOps)與自動化部署

  • MLOps 簡介
  • CI/CD 管線中的測試自動化
  • 持續交付服務
  • 實驗 6:使用 Amazon SageMaker 流程與 Amazon SageMaker 模型登錄檔搭配 Amazon SageMaker Studio。

模組 11:監控模型效能與資料品質

  • 機器學習模型中的漂移偵測
  • SageMaker 模型監視器
  • 資料品質與模型品質的監控
  • 自動化修復與故障排除
  • 實驗七:監測資料漂移模型

讓我們為你努力

找不到合適的日期? 需要訓練整個團隊嗎? 想找折扣嗎?
今天就與我們的培訓顧問聯繫。

日期與地點

考試與認證

AWS 認證機器學習工程師 – 助理。

AWS 認證機器學習工程師-副認證可驗證您在生產環境中實作機器學習工作負載並執行的技術能力。提升您的職涯形象與信譽,並為熱門機器學習職位做好準備。