Plan Szkolenia
Introduction
- Understanding machine learning with SageMaker
- Machine learning algorithms
Overview of AWS SageMaker Features
- AWS and cloud computing
- Models development
Setting up AWS SageMaker
- Creating an AWS account
- IAM admin user and group
Familiarizing with SageMaker Studio
- UI overview
- Studio notebooks
Preparing Data Using Jupyter Notebooks
- Notebooks and libraries
- Creating a notebook instance
Training a Model with SageMaker
- Training jobs and algorithms
- Data and model parallel trainings
- Post-training bias analysis
Deploying a Model in SageMaker
- Model registry and model monitor
- Compiling and deploying models with Neo
- Evaluating model performance
Cleaning Up Resources
- Deleting endpoints
- Deleting notebook instances
Troubleshooting
Summary and Conclusion
Wymagania
- Experience with application development
- Familiarity with Amazon Web Services (AWS) Console
Audience
- Data scientists
- Developers
Opinie uczestników (3)
Wszystko co miało teoretyczny wstęp, a następnie pokrycie poprzez przykład. Podobało mi się że jak prowadzący czegoś nie wiedział (np. odpowiedzi na pytanie), to mówił że nie wie, ale sprawdzi w przerwie i wróci do tego. Najbardziej podobał mi się przykład z wykorzystaniem SNS, Lambd, Dynamo, EC2 i API Gateaway - konkretna zastosowanie i integracja serwisów pomiędzy sobą.
Marcel Kończyk - NetworkedAssets Sp. z o.o.
Szkolenie - AWS CloudFormation
Ilość informacji, ćwicenia
Łukasz Kowalski - Sii Sp. z o.o.
Szkolenie - AWS IoT Core
Free atmosphere and agenda flexibility