Machine Learning: Data Scientist

Lernen Sie, wie Sie Machine-Learning-Modelle entwickeln und ständig verbessern. Behandelt werden die Formulierung von Problemen, forschende Datenanalyse, Funktions-Engingeering, Modelltraining, Tuning und Debugging sowie die Modellevaluierung und die Umsetzung in Produkte.

Nutzen Sie Machine Learning, um geschäftliche Herausforderungen in der Praxis zu lösen. Entwickeln, trainieren und testen Sie ein Machine-Learning-Modell von Grund auf.  

Dieser Kurs legt den Fokus auf das Konzept der Datenbereitschaft im Kontext von Machine Learning (ML). Sie erfahren, wie Sie die Datenbereitschaft bestimmen und identifizieren, wann Sie die Datenbereitschaft als Teil Ihres ML-Prozesses einsetzen sollten.

Lernen Sie Amazon SageMaker, die vollständig verwaltete Amazon ML-Plattform, kennen.

In dieser neuen eintägigen Vor-Ort-Schulung werden reale Anwendungsfälle von Machine Learning (ML) unter Einsatz von Amazon SageMaker vorgestellt.

In diesem Kurs erfahren Sie, wie Sie die Machine-Learning-Pipeline zur Lösung realer Geschäftsprobleme in einer projektbasierten Lernumgebung nutzen. Dozenten von AWS erläutern Ihnen anhand von Präsentationen und Vorführungen jede Phase der Pipeline. Anschließend wenden Sie das Gelernte auf ein Projekt zur Lösung von einem von drei Geschäftsproblemen an. Nach Abschluss des Kurses haben Sie mit Amazon SageMaker erfolgreich ein ML-Modell erstellt, trainiert, evaluiert, optimiert und bereitgestellt, das auf die Lösung Ihres spezifischen Geschäftsproblems zugeschnitten ist.

Sichern Sie Ihre Anwendungen und Umgebungen. Dabei geht es um spezielle Themen wie NACLs, Sicherheitsgruppen, AWS Identity and Access Management und das Management von Verschlüsselungsschlüsseln.

Befassen Sie sich eingehend mit den Themengebieten der Prüfung "AWS Certified Machine Learning – Specialty" sowie deren Relevanz für Machine Learning in AWS. Stellen Sie außerdem den Zusammenhang mit den Grundlagen von Machine Learning (ML) und Deep Learning (DL) her, damit Sie Ihr Wissen in Zukunft selbst vertiefen können.

In diesen Kursen erfahren Sie, wie Maschinen mit menschlicher Sprache interagieren. Schauen Sie sich AWS-Services an, die Ihnen bei Themen rund um neuronale Netzwerke und die Verarbeitung von natürlicher Sprache weiterhelfen, z. B. automatische Spracherkennung, natürlich klingende, flüssige Übersetzungen sowie Einblicke und Beziehungen in Texten.

In diesem Modul erfahren Sie, wie Maschinen ein Verständnis für Bilder und Videos entwickeln. 

Um modernes Machine Learning verstehen zu können, benötigen Sie auch ein Verständnis von Vektoren und Matrizen, linearer Algebra, Wahrscheinlichkeitstheoremen sowie univariater und multivariater Integralrechnung. All diese Themen werden in diesem Kurs behandelt.

Entdecken Sie Modelle für Regression, kleinste Fehlerquadrate, Maximum-Likelihood-Einschätzungen, Regularisierung, logistische Regression, empirische Verlustminimierung und gradientenbasierte Optimierungsmethoden.

Die Zertifizierung "AWS Certified Machine Learning – Specialty" wurde von AWS-Experten entwickelt und dient als Nachweis von Kompetenzen, die für die Erstellung und Optimierung von Datenmodellen erforderlich sind. Heben Sie sich und Ihre Organisation in diesem wachsenden Fachgebiet von anderen ab.