Practical Data Science with Amazon SageMaker (PDSASM)
- Tijdsduur
Practical Data Science with Amazon SageMaker (PDSASM)
Opleiderscore:
Startdata en plaatsen
Beschrijving
Al onze trainingen kunnen in plaats van een Open Rooster training ook als (Privé) maatwerktraining gevolgd worden. Omdat een privé-/maatwerktraining afgestemd is op de werkzaamheden en opleidingsbehoeftes van de cursisten, kan de trainingsduur vaak worden ingekort naar de helft van de tijd.
Daarnaast hoeven de cursisten niet te reizen, en kan de training op een in overleg te plannen datum plaatsvinden.
En dit alles tegen dezelfde tarieven als een Open Rooster training !!
In deze training op gemiddeld niveau leren individuen hoe ze een real-world use case kunnen oplossen met Machine Learning (ML) en bruikbare resultaten kunnen produceren met Amazon SageMaker. Deze training doorloopt de fasen van een typisch datawetenschappelijk proces voor Machine Learning, van het analyseren en visualiseren van een dataset tot het voorbereiden van de data en feature engineering. Individuen leren ook praktische aspecten van het bouwen van modellen, training, afstemming en implementatie met Amazon SageMaker. Real-life use cases omvatten analyse van klantbehoud om klantenloyaliteitsprogramma's te informeren.
Gedurende deze training leer je:
- Bereid een dataset voor op traini…
Veelgestelde vragen
Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.
Al onze trainingen kunnen in plaats van een Open Rooster training ook als (Privé) maatwerktraining gevolgd worden. Omdat een privé-/maatwerktraining afgestemd is op de werkzaamheden en opleidingsbehoeftes van de cursisten, kan de trainingsduur vaak worden ingekort naar de helft van de tijd.
Daarnaast hoeven de cursisten niet te reizen, en kan de training op een in overleg te plannen datum plaatsvinden.
En dit alles tegen dezelfde tarieven als een Open Rooster training !!
In deze training op gemiddeld niveau leren individuen hoe ze een real-world use case kunnen oplossen met Machine Learning (ML) en bruikbare resultaten kunnen produceren met Amazon SageMaker. Deze training doorloopt de fasen van een typisch datawetenschappelijk proces voor Machine Learning, van het analyseren en visualiseren van een dataset tot het voorbereiden van de data en feature engineering. Individuen leren ook praktische aspecten van het bouwen van modellen, training, afstemming en implementatie met Amazon SageMaker. Real-life use cases omvatten analyse van klantbehoud om klantenloyaliteitsprogramma's te informeren.
Gedurende deze training leer je:
- Bereid een dataset voor op training
- Train en evalueer een Machine Learning-model
- Stem automatisch een Machine Learning-model af
- Bereid een Machine Learning-model voor op productie
- Denk kritisch na over de resultaten van Machine Learning-modellen
Deze training is bedoeld voor:
- Developers
- Data Scientists
Om deel te nemen aan deze training dien je de volgende voorkennis te hebben:
- Bekendheid met de programmeertaal Python
- Basiskennis van Machine Learning
Vorm: Klassikaal en maatwerk
Inhoud:
- Module 1: Introduction to Machine Learning
- Module 2: Introduction to Data Prep and SageMaker
- Module 3: Problem formulation and Dataset Preparation
- Module 4: Data Analysis and Visualization
- Module 5: Training and Evaluating a Model
- Module 6: Automatically Tune a Model
- Module 7: Deployment / Production Readiness
- Module 8: Relative Cost of Errors
- Module 9: Amazon SageMaker Architecture and features
Blijf op de hoogte van nieuwe ervaringen
Deel je ervaring
Heb je ervaring met deze cursus? Deel je ervaring en help anderen kiezen. Als dank voor de moeite doneert Springest € 1,- aan Stichting Edukans.Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.