In MLOps (Machine Learning Operations) Plattformen: Amazon SageMaker und Azure ML erlernen Sie die notwendigen Fähigkeiten, um Lösungen für maschinelles Lernen in einer Produktionsumgebung mit zwei führenden Cloud-Plattformen zu erstellen, zu trainieren und einzusetzen: Amazon Web Services (AWS) und Microsoft Azure. Dieser Kurs eignet sich auch hervorragend für Personen, die sich auf AWS- oder Azure-Zertifizierungen für maschinelles Lernen vorbereiten möchten oder die als Datenwissenschaftler, Software-Ingenieure, Software-Entwickler, Datenanalysten oder in anderen Funktionen, die maschinelles Lernen nutzen, arbeiten (oder dies anstreben). Durch eine Reihe praktischer Übungen werden Sie ein Gespür für grundlegende Algorithmen des maschinellen Lernens und praktische Erfahrungen bei der Arbeit mit diesen führenden Cloud-Plattformen erwerben. Am Ende des Kurses werden Sie in der Lage sein, Lösungen für maschinelles Lernen in einer Produktionsumgebung mit AWS- und Azure-Technologie einzusetzen. Woche 1. Erkunden Sie das Data Engineering mit AWS-Technologie. Wir besprechen Themen wie den Einstieg in das maschinelle Lernen auf AWS, die Erstellung von Daten-Repositories und die Identifizierung und Implementierung von Lösungen für die Datenaufnahme und -umwandlung. Woche 2. Erwerben Sie grundlegende Kenntnisse der Datenwissenschaft mit AWS-Technologie. Sie erlernen Techniken zur Datenbereinigung, führen Feature Engineering, Datenanalyse und Datenvisualisierung für maschinelles Lernen durch. Wir werden vorrangig serverlose Lösungen verwenden, die auf AWS verfügbar sind, um den Prozess effizienter zu gestalten. Woche 3. Lernen Sie Modelle für maschinelles Lernen mit AWS-Technologie kennen. Wir werden untersuchen, wie man geeignete Modelle für die jeweilige Aufgabe auswählt, Hyperparameter auswählt, Modelle auf der Plattform trainiert und Modelle evaluiert. Woche 4. Lernen Sie MLOps mit AWS kennen: die letzte Phase der Einführung von maschinellem Lernen in die Produktion. Wir besprechen Themen wie die Operationalisierung eines maschinellen Lernmodells, die Entscheidung zwischen CPU und GPU sowie die Bereitstellung und Pflege des Modells. Woche 5. Lernen Sie, wie Sie mit Daten und maschinellem Lernen in einer zweiten führenden Cloud-basierten Plattform arbeiten: Azure ML.