Szkolenie Amazon SageMaker – platforma ML

Szkolenie koncentruje się na praktycznym wykorzystaniu platformy Amazon SageMaker w projektach machine learning. Uczestnicy poznają pełen cykl życia modelu ML – od przygotowania danych, przez trenowanie, po wdrożenie produkcyjne. Program łączy sesje warsztatowe z wykładami teoretycznymi, zapewniając zrównoważone podejście do nauki. Zajęcia prowadzone są w formie interaktywnej, z naciskiem na praktyczne ćwiczenia na rzeczywistych przypadkach użycia.

• Architekci rozwiązań chmurowych pracujący z AWS
• Inżynierowie ML/AI z doświadczeniem w Python
• Data Scientists zainteresowani automatyzacją procesów ML
• DevOps Engineers wdrażający rozwiązania ML
• Programiści aplikacji chcący integrować modele ML
• Analitycy danych rozszerzający kompetencje o ML
• Specjaliści Big Data pracujący z dużymi zbiorami danych
• Kierownicy projektów ML/AI nadzorujący wdrożenia

1. Wprowadzenie do Amazon SageMaker
• Architektura i komponenty platformy
• Przygotowanie środowiska rozwojowego
• Integracja z usługami AWS
• Zarządzanie instancjami obliczeniowymi
2. Przetwarzanie i przygotowanie danych
• Praca z Amazon S3 jako źródłem danych
• Transformacja danych w Processing Jobs
• Funkcje Feature Engineering
• Tworzenie potoków przetwarzania danych
3. Trenowanie modeli
• Wbudowane algorytmy SageMaker
• Dostosowywanie hiperparametrów
• Distributed Training
• Monitorowanie procesu trenowania
4. Wdrażanie i zarządzanie modelami
• Endpoints i konfiguracja wdrożeń
• Automatyczne skalowanie
• A/B Testing modeli
• Monitoring wydajności i aktualizacje

Uczestnik będzie potrafił samodzielnie przygotowywać środowisko SageMaker do projektów ML. Zdobędzie umiejętność efektywnego zarządzania cyklem życia modeli od eksperymentów po wdrożenie produkcyjne. Nauczy się optymalizować koszty infrastruktury poprzez odpowiednie zarządzanie zasobami. Pozna najlepsze praktyki w zakresie monitorowania i utrzymania modeli ML w produkcji. Będzie w stanie projektować skalowalne rozwiązania ML wykorzystujące możliwości chmury AWS. Rozwinie umiejętność integracji SageMaker z innymi usługami AWS. Zdobędzie praktyczną wiedzę o automatyzacji procesów ML/AI. Zyska zdolność diagnozowania i rozwiązywania problemów w projektach ML.

• Podstawowa znajomość Python i bibliotek do analizy danych
• Doświadczenie w pracy z modelami uczenia maszynowego
• Znajomość podstawowych koncepcji chmury AWS
• Umiejętność pracy z systemami Linux/Unix

• Architektura i komponenty Amazon SageMaker
• Integracja z ekosystemem AWS
• Przetwarzanie i przygotowanie danych
• Algorytmy uczenia maszynowego
• Distributed Training
• Automatyzacja procesów ML
• Wdrażanie modeli
• Monitoring i utrzymanie
• Optymalizacja kosztów
• Bezpieczeństwo i zgodność
• Najlepsze praktyki MLOps
• Skalowanie rozwiązań ML