Automating Machine Learning on AWS
Il corso fornisce una guida completa su come creare e gestire una pipeline di Machine Learning su Amazon Web Services. Gli studenti acquisiranno competenze pratiche attraverso una serie di moduli che coprono l’introduzione a ML e ML Pipeline, l’uso di Amazon SageMaker, la formulazione del problema, il pre-processing dei dati, l’addestramento del modello, la valutazione del modello, l’ingegneria delle feature e il tuning del modello, nonché il deployment del modello.
Il corso si concluderà con una sessione di wrap-up per rivedere i concetti chiave affrontati.
CODE: DSAI208
Category: Corso Intelligenza Artificiale
Metodologia didattica
Il corso prevede laboratori didattici in cui ogni studente potrà svolgere esercizi di formazione che forniranno esperienza pratica nell’uso dello strumento, per ognuno degli argomenti trattati durante il corso.
Prerequisiti
- Conoscenza di base di AWS
- Conoscenza base di Python
Di seguito è riportata una panoramica dei contenuti del corso:
- Introduzione a ML e ML Pipeline.
- Introduzione ad Amazon SageMaker.
- Formulazione del Problema.
- Pre-processing dei dati.
- Addestramento del Modello.
- Valutazione del Modello.
- Feature Engineering e Model Tuning.
- Deployment del Modello.
Al termine del corso, i partecipanti saranno in grado di:
- Selezionare e giustificare l’approccio ML più corretto ad un problema
- Creare, addestrare, valutare, deployare e fare fine tuning di un modello ML su AWS
- Descrivere le best practices per creare e gestire una pipeline di Machine Learning su AWS
- Identificare i passaggi per applicare il Machine Learning a probelmi reali usando servizi e strumenti su AWS
Durata – 4 giorni
Erogazione – in aula, in loco, da remoto
Requisiti PC e SW:
- Connessione a Internet
- Browser web, Google Chrome
- Zoom
Lingua
- Istruttore: Italiano
- Laboratori: Inglese
- Slides: Inglese
