Machine-Learning-Web-Day-2016

Machine Learning Web Day: Erfahren Sie in vier Webinaren mehr über Machine Learning und wie Sie unseren Service Amazon Machine Learning verwenden können. Mit Amazon Machine Learning können Sie: smarte Anwendungen bauen, die verdächtige Transaktionen anhalten, betrügerische Bestellungen entdecken, Nachfrage prognostizieren, Inhalte individuell anfertigen, Benutzerverhalten vorhersagen, Reviews filtern, freien Text analysieren, Artikel empfehlen und vieles mehr.

Jetzt Präsentationen und Videos ansehen

Amazon Machine Learning (ML) ist ein Service, mit dem Entwickler aller Wissensstufen die Technologie für maschinelles Lernen problemlos nutzen können. Amazon ML bietet Visualisierungstools und Assistenten, die Sie durch den Aufbauprozess für Machine Learning-Modelle (ML) begleiten, ohne dass Sie komplexe ML-Algorithmen und ‑Technologien erlernen müssen. Wenn Ihre Modelle erstellt sind, können Sie bei Amazon ML mithilfe einfacher APIs Prognosen für Ihre Anwendung abrufen, ohne benutzerdefinierte Prognosecodes implementieren oder Infrastrukturen verwalten zu müssen.


Die Folien und Videos vom Machine Learning Web Day stehen für Sie bereit. Bitte klicken Sie bei dem entsprechenden Vortrag auf den kleinen Pfeil rechts, um zum Download-Button für die Präsentation bzw. um zur Video-Box zugelangen.

Worum geht es in diesem Vortrag?
In diesem Vortrag erfahren Sie mehr über die grundlegenden Konzepte und Verfahren des Überwachten Maschinelen Lernens (ML), wie z.B. Modellklassen, Kostenfunktionen, Regularisierung sowie Optimierungsmethoden, um ein Prognosemodel mithilfe von Trainingsdaten zu erstellen. Anschließend folgt eine Diskussion über das Evaluieren eines Modes und das Parametertuning.

Was ist Überwachtes Maschinelles Lernen (ML)?
Überwachtes Maschinelles Lernen beschäftigt sich mit der Herausforderung basierend auf beobachteten Daten (z.B. Text, Hyperlinks und Bilder) eine gewünschte Objekteigenschaft vorherzusagen (z.B. ob es bei einer Webseite um E-Commerce handelt oder nicht). Normalerweise wird die Lösung solcher Probleme in zwei Phasen unterteilt – das Training und die Vorhersage. Das Training oder Model-Building Phase bedeutet das Lernen eines Models aus historischen Daten (z.B. positive und negative Beispiele von E-Commerce Webseiten). In der Vorhersage Phase wird das gelernte Model verwendet, um die gewünschte Objekteigenschaft vorherzusagen.

Jetzt Präsentation ansehen
Websites Video screenshot
1:09:14
Machine Learning 101

Worum geht es in diesem Vortrag?
Dieser Vortrag ist für ein Publikum ohne Machine Learning Kenntnisse geeignet. Wir werden zuerst über einfache Konzepte des Maschinellen Lernens sprechen. Danach zeigen wir, wie Sie Amazon Machine Learning verwenden können, um eine Master-Datenquelle zu erstellen, ein ML-Model zu bauen und es für die Erstellung der Batch-Prognosen zu nutzen.

Jetzt Präsentation ansehen
Websites Video screenshot
52:49
Einführung in Amazon Machine Learning

Worum geht es in diesem Vortrag?
In diesem Webinar zeigen wir Ihnen, wie Sie Amazon ML verwenden können, um eine Master-Datenquelle zu erstellen, ein ML-Model zu bauen und es für die Erstellung der Batch-Prognosen zu nutzen. Anhand von einer Beispielübung zeigen wir, wie Sie mögliche Kunden für gezielte Marketingkampagnen identifizieren können. Sie können aber dasselbe Prinzip benutzen, um eine Vielfalt von ML-Modellen zu trainieren und anwenden. Um die Beispielübung zu vervollständigen benutzen wir den öffentlich verfügbaren Banking- und Marketingdatensatz von der University of California (UCI). Dieser Datensatz beinhaltet Informationen über Kunden sowie eine Beschreibung, wie die Kunden auf vorherige Marketingkampagnen reagiert haben.

Jetzt Präsentation ansehen
Websites Video screenshot
55:53
Amazon Machine Learning im Einsatz: smartes Marketing

Learning objectives:
In this session, you will learn how to build an end-to-end smart application in the AWS cloud. We demonstrate how to use Amazon ML to create machine learning models, deploy them to production, and obtain predictions in real-time. We then demonstrate how to build a complete smart application using Amazon ML, Amazon Kinesis, and AWS Lambda. We walk you through the process flow and architecture, demonstrate outcomes, and then dive into the code for implementation. In this session, you learn how to use Amazon ML as well as how to integrate Amazon ML into your applications to take advantage of predictive analysis in the cloud.

Jetzt Präsentation ansehen
Websites Video screenshot
1:01:32
Real-World Smart Applications with Amazon Machine Learning (Englisch)

Das kostenlose Kontingent für AWS bietet Ihnen die Möglichkeit, praktische Erfahrungen mit den AWS Cloud-Services zu sammeln. 

Hier mehr erfahren

Sie haben Fragen und möchten Sie vom AWS Vertriebsteam kontaktiert werden?

Jetzt AWS kontaktieren