- ホーム
- コース概要 | Machine Learning Engineering on AWS(チケットあり)
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
- 開始日(申込締切前)
- -
- 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。