重要な
お知らせ
【重要】サイトリニューアルとURL変更のお知らせ2026年3月2日(月)より、2026年度に開催される研修のお申し込みは新ホームページでの受付に変更になります。詳細はTOPページのお知らせをご覧ください。
コースコード:IN9F1

Machine Learning Engineering on AWS(チケットあり)(3日間)

コース情報

受講料
253,000円 230,000円
講習日数
3日間

コース概要

このコースは、機械学習モデルをAWS上で構築、デプロイ、運用するために必要な知識を修得するコースです。
機械学習モデル構築で必要となるデータ処理やMLモデルの選択・評価・チューニングのほか、オペレーション・品質モニタリングなど、機械学習モデルに関わる様々な知識を修得します。

開催形式
集合研修
研修サービス
テキスト マシン実習

前提知識

以下のすべてを満たしている方。

  • 以下のすべてのコースを修了、または同等知識をお持ちの方。
  • 「AWS Cloud Practitioner Essentials」
  • 「AWS Technical Essentials」
  • 「Generative AI Essentials on AWS」
  • 基本的なMLの概念とアルゴリズムの種類の知識をお持ちの方
  • Pythonプログラミング言語と一般的なデータサイエンスライブラリの実務知識をお持ちの方

到達目標

  • 機械学習(ML)の基本原理とAWS Cloudでのその応用について説明できる
  • MLタスク向けにデータを処理、変換、エンジニアリングをするAWSサービスを利用できる
  • 問題の要件とモデルの解釈可能性に基づいて、適切な機械学習アルゴリズムとモデリングアプローチを選択できる
  • スケーラブルサービスを使用して、モデルトレーニング、デプロイ、およびオーケストレーション向けのAWS MLパイプラインの設計と実装ができる
  • MLワークフロー用の自動化された継続的インテグレーションおよびデリバリー(CI/CD)パイプラインを作成できる
  • AWS上のMLリソースに対する適切なセキュリティ対策について説明ができる
  • デプロイされたMLモデルのモニタリングストラテジーの実装、データドリフト検出技術を説明できる

コース内容

1日目
AM
1.AWSでの機械学習(ML)
・MLの概要
・Amazon SageMaker Al
・責任あるML
2.ML課題の分析
・MLビジネス課題の評価
・MLトレーニングアプローチ
・MLトレーニングアルゴリズム
PM
3.MLのためのデータ処理
・データ準備と種類
・探索的データ分析
・AWSストレージオプションとストレージの選択
4.データ変換と特徴量エンジニアリング
・不正確、重複、および欠落したデータの処理
・特徴量エンジニアリングの概念
・特徴量選択テクニック
・AWSデータ変換サービス
・ラボ1:Amazon SageMaker Data Wrangler と Amazon EMR でデータ分析して準備する
・ラボ2:SageMaker Processing と SageMaker Python SDK を使用したデータ処理
2日目
AM
5.モデリングアプローチの選択
・Amazon SageMaker Al組み込みアルゴリズム
・Amazon SageMaker Autopilot
・組み込みのトレーニングアルゴリズムを選択する
・モデル選択の考慮事項
・MLコストに関する考慮事項
6.MLモデルのトレーニング
・モデルトレーニングコンセプト
・SageMaker Alでのモデルトレーニング
・Amazon SageMaker Alでのモデルのトレーニング
PM
7.Mモデルの評価とチューニング
・モデルパフォーマンスの評価
・トレーニング時間を削減する手法
・ハイパーパラメータチューニング手法
・ラボ4:Amazon SageMaker Al でのモデルチューニングとハイパーパラメータの最適化
8.モデルデプロイ戦略
・デプロイの考慮事項とターゲット
・デプロイ戦略
・モデル推論戦略の選択
・推論用のコンテナとインスタンスタイプ
・ラボ5:トラフィックのシフト
3日目
AM
9.AWS MLリソースの保護
・アクセスコントロール
・MLリソースのネットワークアクセス制御
・CI/CDパイプラインのセキュリティ考慮事項
PM
10.MLオペレーション(MLOps)と自動デプロイ
・MLOpsの紹介
・CI/CDパイプラインにおけるテストの自動化
・継続的デリバリサービス
・ラボ6:Amazon SageMaker PipelineとAmazon SageMaker Model RegistryをAmazon SageMaker Studioで使用
11.モデルパフォーマンスとデータ品質のモニタリング
・MLモデルのドリフト検出
・SageMaker Model Monitor
・データ品質とモデル品質のモニタリング
・自動修復とトラブルシューティング
・ラボ7:データドリフトのモデルの監視する

留意事項・備考

本研修はAWS認定Machine Learning Engineer - Associate試験のチケット付きです。
受験チケットにつきましては、研修終了後3営業日以内に電子メールにてお送りいたします。

本研修は、研修提供会社であるAWS社に(受講者氏名・受講者会社名・メールアドレス・アンケート結果)を提供いたします。

<本コース受講にあたっては、事前の準備が必須となります。>
・必ず、事前準備情報をご確認、研修開始前までにご準備の上ご受講ください。
・本コースは、研修の補足情報をクラウドのストレージサービス(OneDrive)を使用してご提供いたします。研修開始前に、OneDrive(テストフォルダ)へのアクセスが可能かどうかご確認ください。
 OneDriveにアクセスできないネットワーク環境からご受講される場合は、別の方法で補足情報をお伝えしますので、研修当日の開始時にZoomチャットにて講師までご連絡ください。

<その他>
・ZOOMのミーティングIDについては、前日までにメールでお知らせします。
・電子テキストの引き換えコードは研修当日にお渡しします。