You will learn how to solve a real-world use case with Machine Learning (ML) and produce actionable results using Amazon SageMaker. This course walks through the stages of a typical data science process for Machine Learning from analyzing and visualizing a dataset to preparing the data, and feature engineering. Individuals will also learn practical aspects of model building, training, tuning, and deployment with Amazon SageMaker. Real life use case includes customer retention analysis to inform customer loyalty programs

Activities

This course includes presentations, group exercises, and hands-on labs.

Intended audience

This course is intended for:

Developers
Data Scientists

Prerequisites

This course is intended for:

Developers
Data Scientists

Amazon SageMaker ile Uygulamalı Veri Bilimi Eğitimi programına Online Instructor-Led (canlı sanal sınıf) veya Classroom Based (sınıf eğitimi) formatlarında doğrudan katılım sağlayabilirsiniz. Ayrıca bu eğitimi kurumunuza özel olarak Online Instructor-Led, Classroom Based veya Onsite (yerinde eğitim) formatlarında, tercih ettiğiniz tarih ve lokasyonda organize edebiliriz. Detaylı bilgi ve kurumunuza özel planlama için bizimle iletişime geçebilirsiniz.

Bu eğitimi dilediğiniz tarih ve lokasyonda organize edebiliriz.

Neler Öğreneceksiniz

In this course, you will:

Prepare a dataset for training
Train and evaluate a Machine Learning model
Automatically tune a Machine Learning model
Prepare a Machine Learning model for production
Think critically about Machine Learning model results

Eğitim İçeriği

Module 1: Introduction to machine learning

Types of ML
Job Roles in ML
Steps in the ML pipeline

Module 2: Introduction to data prep and SageMaker

Training and test dataset defined
Introduction to SageMaker
Demonstration: SageMaker console
Demonstration: Launching a Jupyter notebook

Module 3: Problem formulation and dataset preparation

Business challenge: Customer churn
Review customer churn dataset

Module 4: Data analysis and visualization

Demonstration: Loading and visualizing your dataset
Exercise 1: Relating features to target variables
Exercise 2: Relationships between attributes
Demonstration: Cleaning the data

Module 5: Training and evaluating a model

Types of algorithms
XGBoost and SageMaker
Demonstration: Training the data
Exercise 3: Finishing the estimator definition
Exercise 4: Setting hyper parameters
Exercise 5: Deploying the model
Demonstration: hyper parameter tuning with SageMaker
Demonstration: Evaluating model performance

Module 6: Automatically tune a model

Automatic hyper parameter tuning with SageMaker
Exercises 6-9: Tuning jobs

Module 7: Deployment / production readiness

Deploying a model to an endpoint
A/B deployment for testing
Auto Scaling
Demonstration: Configure and test auto scaling
Demonstration: Check hyper parameter tuning job
Demonstration: AWS Auto Scaling
Exercise 10-11: Set up AWS Auto Scaling

Module 8: Relative cost of errors

Cost of various error types
Demo: Binary classification cutoff

Module 9: Amazon SageMaker architecture and features

Accessing Amazon SageMaker notebooks in a VPC
Amazon SageMaker batch transforms
Amazon SageMaker Ground Truth
Amazon SageMaker Neo

Neden Bizi Seçmelisiniz

Practical Data Science with Amazon SageMaker Uzbekistan eğitimini, Bilginç IT Academy'nin canlı ve etkileşimli sanal sınıf ortamında; evinizden, ofisinizden veya dilediğiniz herhangi bir lokasyondan deneyimleyin. Uzman eğitmenlerimizle gerçek zamanlı iletişim kurarak sınıf ortamının dinamizmini online eğitim deneyimine taşıyın.

Canlı Oturumlar: Belirlenen eğitim takvimi doğrultusunda, eğitmen ve diğer katılımcılarla eş zamanlı olarak derslere katılın.
Etkileşimli Öğrenme: Uygulamalar, grup çalışmaları ve soru-cevap oturumlarıyla öğrenme sürecine aktif olarak dahil olun.
Uzman Eğitmen Kadrosu: Sektör deneyimine sahip, alanında yetkin eğitmenlerden güncel ve uygulanabilir bilgiler edinin.
30 Yılı Aşkın Deneyim: Bilginç IT Academy'nin 1995 yılından bu yana süregelen eğitim uzmanlığıyla profesyonel gelişiminize değer katın.
Esnek ve Ölçeklenebilir Çözümler: Uzbekistan ve dünya genelinde erişilebilen canlı sınıflarımızla, bireysel ve kurumsal eğitim ihtiyaçlarınıza uygun esnek planlama avantajı elde edin.

Practical Data Science with Amazon SageMaker Uzbekistan eğitimini, yüz yüze öğrenmenin sağladığı güçlü etkileşim ve odaklanma avantajıyla deneyimleyin. Bilginç IT Academy'nin profesyonel eğitim lokasyonlarında, konforlu ve verimli bir sınıf ortamında uzman eğitmenler eşliğinde öğrenin.

Deneyimli Eğitmenler: Sektörde uzun yıllara dayanan saha tecrübesine sahip uzmanlardan gerçek dünya örnekleriyle öğrenin.
Modern Eğitim Alanları: Teknolojik altyapısı güçlü, konforlu ve öğrenmeye uygun sınıflarda eğitim alın.
Odaklı Sınıf Deneyimi: Sınırlı kontenjanla düzenlenen eğitimlerde eğitmeninizle daha yakın iletişim kurma fırsatı yakalayın.
Kaliteli Eğitim Yaklaşımı: Profesyonel gelişiminizi destekleyen, uygulamaya dönük ve yüksek standartlarda hazırlanmış eğitim içeriklerinden yararlanın.

Şirketinizin ekip bazlı eğitim ihtiyaçlarını, Bilginç IT Academy'nin Practical Data Science with Amazon SageMaker Uzbekistan onsite eğitim çözümüyle kendi ofisinizde veya tercih ettiğiniz lokasyonda karşılayın. Kurumunuza özel planlanan eğitimlerle ekiplerinizin gelişimini iş hedeflerinizle uyumlu hale getirin.

Kuruma Özel İçerik: Eğitim programını şirketinizin projelerine, ekip yapısına ve iş ihtiyaçlarına göre uyarlayın.
Bütçe ve Zaman Avantajı: Seyahat, konaklama ve operasyonel maliyetleri azaltarak eğitim yatırımınızı daha verimli kullanın.
Ekip Odaklı Öğrenme: Çalışanlarınızın aynı içerik ve bakış açısı etrafında gelişmesini sağlayarak kurum içi iş birliğini güçlendirin.
Kolay Planlama ve Takip: Katılımcı gelişimini, eğitim sürecini ve kurumsal ihtiyaçları daha kontrollü şekilde yönetin.

Eğitimlerle ilgili bilgi almak ve diğer tüm sorularınız için bize ulaşın!

Neden bizi tercih ettiniz?

Bilginç'ten daha önce eğitim aldım ve memnun kaldım.

Daha önce farklı bir kurumdan aldığım eğitimden memnun kalmadım.

Diğer

IT departmanınızda kaç kişi çalışıyor?

0 – 50

50 – 250

250 – 1000