Corso Amazon SageMaker Studio for Data Scientists

Di seguito una sintesi degli obiettivi principali del corso (Amazon SageMaker Studio for Data Scientists) (MLASMS):

- Acquisire competenze nell’utilizzo di SageMaker Studio per accelerare il processo di preparazione, costruzione, addestramento, distribuzione e monitoraggio delle soluzioni ML.

- Applicare tecniche di elaborazione dei dati utilizzando strumenti come SageMaker Data Wrangler e Amazon EMR.

- Gestire lo sviluppo del modello, sfruttando funzionalità come SageMaker Experiments e SageMaker Debugger per tracciare e analizzare iterazioni di addestramento e tuning dei modelli.

- Implementare e ottimizzare la distribuzione e l’inferenza dei modelli utilizzando funzionalità come SageMaker Model Registry e SageMaker Pipelines.

- Monitorare i modelli ML utilizzando strumenti come Amazon SageMaker Model Monitor e implementare strategie di test, prestazioni e ottimizzazione.

Certificazione del corso

Esame AWS Certified Machine Learning – Specialty;

L’esame di certificazione AWS Certified Machine Learning – Specialty (MLS-C01) è progettato per valutare le competenze avanzate dei candidati nella progettazione, implementazione e gestione di soluzioni di machine learning su AWS. L’esame copre tematiche come la scelta degli algoritmi appropriati, la preparazione dei dati, la formazione e il perfezionamento dei modelli, e il deployment e l’ottimizzazione delle soluzioni di machine learning.

L’obiettivo principale è garantire che i candidati dimostrino una conoscenza approfondita delle best practice e delle soluzioni avanzate AWS per lo sviluppo di applicazioni di machine learning. Durante l’esame, i candidati affronteranno argomenti quali la progettazione di architetture scalabili e sicure, l’uso di servizi AWS come SageMaker e l’integrazione con altri servizi AWS per l’analisi dei dati.

Contenuti del corso

Module 1: Amazon SageMaker Studio Setup

- JupyterLab Extensions in SageMaker Studio

- Demonstration: SageMaker user interface demo

Module 2: Data Processing

- Using SageMaker Data Wrangler for data processing

- Hands-On Lab: Analyze and prepare data using Amazon SageMaker Data Wrangler

- Using Amazon EMR

- Hands-On Lab: Analyze and prepare data at scale using Amazon EMR

- Using AWS Glue interactive sessions

- Using SageMaker Processing with custom scripts

- Hands-On Lab: Data processing using Amazon SageMaker Processing and SageMaker Python SDK

- SageMaker Feature Store

- Hands-On Lab: Feature engineering using SageMaker Feature Store

Module 3: Model Development

- SageMaker training jobs

- Built-in algorithms

- Bring your own script

- Bring your own container

- SageMaker Experiments

- Hands-On Lab: Using SageMaker Experiments to Track Iterations of Training and Tuning Models

Si consiglia la partecipazione ai seguenti corsi:

- AWS Technical Essentials

- Corso Python Developer

- Machine Learning Terminology and Process

Esame AWS Certified Machine Learning – Specialty;

L’esame di certificazione AWS Certified Machine Learning – Specialty (MLS-C01) è progettato per valutare le competenze avanzate dei candidati nella progettazione, implementazione e gestione di soluzioni di machine learning su AWS. L’esame copre tematiche come la scelta degli algoritmi appropriati, la preparazione dei dati, la formazione e il perfezionamento dei modelli, e il deployment e l’ottimizzazione delle soluzioni di machine learning.

L’obiettivo principale è garantire che i candidati dimostrino una conoscenza approfondita delle best practice e delle soluzioni avanzate AWS per lo sviluppo di applicazioni di machine learning. Durante l’esame, i candidati affronteranno argomenti quali la progettazione di architetture scalabili e sicure, l’uso di servizi AWS come SageMaker e l’integrazione con altri servizi AWS per l’analisi dei dati.