AWS Certified Machine Learning Engineer - Associate
Dieser Kurs behandelt AWS-Machine-Learning-Workflows für die Zertifizierung zum AWS Certified Machine Learning Engineer, Associate . Du befasst dich mit Datenvorbereitung, Feature Engineering, Modelltraining, Evaluierung, Bereitstellung, Überwachung und verantwortungsvollen KI-Praktiken.
Keine Termine verfügbar
Schau später noch einmal vorbei oder kontaktiere einen Anbieter direkt.
Beschreibung
Dieser Kurs behandelt AWS-Machine-Learning-Workflows für die Zertifizierung zum AWS Certified Machine Learning Engineer, Associate. Du befasst dich mit Datenvorbereitung, Feature Engineering, Modelltraining, Evaluierung, Bereitstellung, Überwachung und verantwortungsvollen KI-Praktiken. Die Inhalte werden durch Vorträge, Demonstrationen, praktische Labs und Fallstudien mit AWS-Diensten wie Amazon SageMaker, Amazon S3, AWS Glue und AWS Lambda vermittelt. Der Kurs verbindet grundlegende ML-Konzepte mit praktischen AWS-Aufgaben. Das hilft dir dabei, dich auf die Prüfung vorzubereiten und Machine-Learning-Workflows in Cloud-basierten Projekten anzuwenden.
Was du lernen wirst
Modul 1: Datenvorbereitung für Machine Learning
Daten aufnehmen und speichern mit Amazon S3, Amazon EFS, Amazon FSx, Amazon RDS, Amazon DynamoDB, Amazon Kinesis, Apache Kafka und Apache Flink.
Formate wie CSV, JSON, Apache Parquet, Apache ORC, Apache Avro und RecordIO basierend auf Zugriffsmustern und Modellanforderungen vergleichen.
Daten bereinigen, labeln, transformieren und validieren mit AWS Glue, AWS Glue DataBrew, SageMaker Data Wrangler, SageMaker Feature Store, SageMaker Ground Truth und Amazon Mechanical Turk.
Modul 2: Modellentwicklung und -bewertung
Geeignete ML-Ansätze, integrierte Algorithmen von SageMaker AI, Foundation Models, SageMaker-JumpStart-Vorlagen und Amazon-Bedrock-Optionen für definierte geschäftliche Probleme auswählen.
Modelle trainieren und optimieren mit TensorFlow, PyTorch, dem SageMaker AI Script Mode, Hyperparameter-Tuning, Regularisierung, Pruning, Ensembling und Versionskontrolle mit der SageMaker Model Registry.
Leistung bewerten mit Konfusionsmatrizen, F1-Score, Precision, Recall, RMSE, ROC, AUC, SageMaker Clarify und SageMaker Model Debugger.
Modul 3: Bereitstellung und Workflow-Orchestrierung
Modelle für Echtzeit-Inferenz, Batch-Inferenz, asynchrone Endpunkte, serverlose Endpunkte und Multi-Modell-Anwendungsfälle bereitstellen.
Mit SageMaker AI Endpoints, Amazon ECS, Amazon EKS, AWS Lambda, Amazon ECR, AWS CDK, AWS CloudFormation, SageMaker Pipelines, Apache Airflow, AWS CodePipeline, AWS CodeBuild und AWS CodeDeploy arbeiten.
Modul 4: Überwachung, Wartung und Sicherheit
Drift, Latenz, Datenqualität, Modellverhalten und Infrastruktur-Zustand überwachen mit SageMaker Model Monitor, Amazon CloudWatch, AWS X-Ray, AWS CloudTrail, Amazon EventBridge und Amazon QuickSight.
IAM-Rollen und -Richtlinien, Verschlüsselung, VPC-Einstellungen, Sicherheitsgruppen, AWS KMS, AWS Secrets Manager, Tagging, AWS Cost Explorer, AWS Budgets und AWS Trusted Advisor anwenden.
Zertifizierung & Prüfung
Dieser Kurs bereitet dich auf die Zertifizierungsprüfung zum AWS Certified Machine Learning Engineer, Associate, MLA-C01, vor.
Die Teilnehmenden absolvieren eine 130-minütige Prüfung mit 65 Fragen, die über Pearson VUE in einem Testcenter oder als online beaufsichtigte Prüfung abgelegt wird. Zu den Fragenformaten gehören Multiple-Choice, Multiple-Response, Reihenfolge und Zuordnung. AWS bewertet 50 Fragen; 15 unbewertete Fragen sind ebenfalls enthalten, werden während der Prüfung aber nicht als solche ausgewiesen.
Das Ergebnis wird als bestanden oder nicht bestanden auf einer Punkteskala von 100 bis 1.000 ausgewiesen, wobei 720 die Mindestpunktzahl zum Bestehen ist. Durch das Bestehen der Prüfung erhältst du das Zertifikat AWS Certified Machine Learning Engineer, Associate, das für 3 Jahre gültig ist. Referenz: offizielle AWS-Zertifizierungsseite.
Was du erreichen wirst
Nach Abschluss dieses Trainings kannst du:
Machine-Learning-Daten für die Modellierung vorbereiten, indem du Speicherformate wie CSV, JSON, Parquet, ORC und Avro auswählst, Daten aus AWS-Quellen importierst und Dienste wie Amazon S3, AWS Glue, Amazon Kinesis, SageMaker Data Wrangler und SageMaker Feature Store nutzt.
Datensätze transformieren durch Bereinigung, Duplikatentfernung, Behandlung fehlender Werte, Ausreißerbehandlung, Skalierung, Normalisierung, Kodierung und Feature Engineering für strukturierte und unstrukturierte ML-Anwendungsfälle.
Die Datenqualität validieren und datenbezogene Risiken reduzieren, indem du die Integrität prüfst, Verzerrungen identifizierst, Methoden zur Aufteilung und Erweiterung von Datensätzen anwendest und Tools wie AWS Glue Data Quality, AWS Glue DataBrew, SageMaker Clarify und SageMaker Ground Truth nutzt.
Geeignete Machine-Learning-Ansätze auswählen, indem du Algorithmen, integrierte SageMaker-Algorithmen, Foundation-Modelle, SageMaker-JumpStart-Optionen, Amazon Bedrock und AWS-KI-Dienste wie Amazon Rekognition, Amazon Transcribe, Amazon Translate und Amazon Comprehend vergleichst.
Modelle trainieren und optimieren unter Verwendung von SageMaker, gängigen ML-Bibliotheken, TensorFlow, PyTorch, dem Skriptmodus, Hyperparametertuning, Regularisierung, Modellversionierung sowie Methoden zur Reduzierung von Overfitting und Underfitting.
Die Modellleistung bewerten anhand von Metriken wie Genauigkeit, Präzision, Recall, F1-Score, RMSE, ROC, AUC, Konfusionsmatrizen, Bias-Metriken und Performance-Baselines, um Modellqualität, Trainingszeit und Kosten zu vergleichen.
Machine-Learning-Modelle unter Verwendung geeigneter AWS-Ziele und -Konzepte bereitstellen, einschließlich SageMaker-Endpunkten, Batch-Inferenz, Echtzeit-Inferenz, asynchroner Inferenz, serverlosen Endpunkten, Containern, Amazon ECS, Amazon EKS, AWS Lambda und VPC-basierten Konfigurationen.
Betriebliche Abläufe für ML-Workloads implementieren, indem du CI/CD-Pipelines mit AWS CodePipeline, CodeBuild und CodeDeploy einrichtest, die Überwachung mit SageMaker Model Monitor, Amazon CloudWatch, AWS CloudTrail und AWS X-Ray durchführst sowie IAM, Verschlüsselung, Logging und Kostenkontrollen anwendest.
Schulungsanbieter
Noch keine Anbieter für diesen Kurs verfügbar.
Häufige Fragen
Allgemeine Informationen
Voraussetzungen und Anforderungen
Zertifizierung und Prüfung
Individuelle Inhouse-Schulung
Einmal anfragen, Angebote von mehreren Anbietern erhalten. Wähle das passende Angebot für dein Team.
Ähnliche Schulungen
AWS Certified Cloud Practitioner
Dieser von einem Anbieter geleitete Kurs zum AWS Certified Cloud Practitioner führt in die grundlegenden AWS-Cloud-Konzepte für kaufmännische, technische, Vertriebs- und Support-Rollen ein. Du lernst die globale AWS-Infrastruktur, IAM, EC2, S3, VPC, Lambda, Sicherheitsverantwortlichkeiten, Preisgestaltung, Abrechnung und Support-Pläne kennen. Der Unterricht kann aus von Trainern geleiteten Lektionen, Service-Demos, Wissenstests, Fallstudien und praktischen Übungen bestehen, die sich an echten Praxisszenarien orientieren. Nach dem Abschluss kannst du wichtige AWS-Dienste erklären, den grundlegenden Nutzen der Cloud beschreiben, Sicherheits- und Kostenaspekte erkennen und dich auf die Prüfung zum AWS Certified Cloud Practitioner vorbereiten.
Network+
CompTIA Network+ ist eine etablierte Zertifizierung zur Bestätigung deines Wissens über grundlegende Netzwerk-Tools und -Konzepte. Dabei werden deine Fähigkeiten in den Bereichen Netzwerkkonnektivität, Dokumentation, Dienstekonfiguration, Rechenzentren, Cloud, virtuelle Netzwerke, Monitoring, Troubleshooting und Sicherheitshärtung geprüft. Diese Zertifizierung bereitet dich auf Jobs im technischen Support, im Netzwerkbetrieb und in der Systemadministration vor.
AWS Certified Solutions Architect – Associate
Bereite dich durch angeleitete Vorträge, praktische AWS-Labs , Architekturdiagramme und szenariobasierte Fallstudien auf die SAA-C03-Prüfung vor. Du befasst dich mit dem AWS Well-Architected Framework, IAM, VPC-Networking, EC2, S3, RDS, Lambda, Route 53, CloudFront, Auto Scaling, Elastic Load Balancing und CloudWatch. Der Kurs verbindet Prüfungstheorie mit praktischer Gestaltung für sichere, widerstandsfähige, leistungsstarke und kostenoptimierte Architekturen. Nach dem Abschluss kannst du Anforderungen bewerten, passende AWS-Dienste auswählen, bestehende Entwürfe überprüfen und die nächsten Schritte auf dem Weg zur AWS-Zertifizierung planen.
AWS Certified Data Engineer - Associate
Dieser Kurs behandelt Data Engineering auf AWS, mit einem Fokus auf dem Aufbau, dem Betrieb und der Wartung von Datenpipelines mit AWS Glue, Amazon Redshift, Amazon Kinesis, Amazon S3 und verwandten AWS-Diensten. Das Training kombiniert in der Regel Vorträge, praktische Übungen und szenariobasierte Aufgaben , um Kernkonzepte mit der praktischen Umsetzung zu verbinden. Du befasst dich mit Datenaufnahme, Transformation, Orchestrierung, Speicherung, Überwachung, Sicherheit und kostenbewusstem Design. Nach dem Abschluss kannst du AWS-Daten-Workflows planen und unterstützen sowie dich auf die Zertifizierungsprüfung zum AWS Certified Data Engineer Associate vorbereiten.
AWS Certified Developer - Associate
Dieser Kurs behandelt die Entwicklung von Cloud-Anwendungen für die Zertifizierung zum AWS Certified Developer Associate mit einem Schwerpunkt auf AWS Lambda, DynamoDB, API Gateway, AWS SDKs, IAM und CI/CD-Workflows. Du lernst, wie du serverlose Anwendungen erstellst, testest, bereitstellst und überwachst, Anwendungsdaten verwaltest, Authentifizierung und Berechtigungen nutzt und häufige Probleme behebst. Der Unterricht kann von Trainern geleitete Vorträge, praktische Übungen, Demos und Übungsfragen im Stil der Prüfung umfassen. Die Inhalte verbinden AWS-Service-Konzepte mit praktischen Entwicklungsaufgaben. Das hilft Entwicklern und technischen Teams dabei, sich auf die Zertifizierung vorzubereiten und AWS-Entwicklungsfähigkeiten im Beruf anzuwenden.
AWS Certified CloudOps Engineer - Associate
Dieser Kurs behandelt Betriebsabläufe für AWS-Workloads und die Vorbereitung auf die Prüfung zum AWS Certified CloudOps Engineer, Associate . Du lernst Monitoring, Logging, Automatisierung, Sicherheitskontrollen, Netzwerkbetrieb, Backup, Recovery und Incident Response mit Tools wie Amazon CloudWatch, AWS CloudTrail, AWS Systems Manager, AWS Config, IAM, EC2, VPC und der AWS CLI kennen. Die Vermittlung kombiniert Trainer-geleitete Vorträge, Hands-on Labs und betriebliche Fallstudien. Nach dem Abschluss kannst du AWS-Umgebungen verwalten, häufige Probleme beheben und einen zuverlässigen Cloud-Betrieb unterstützen.