PARTNER SageMaker Studio ສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນ

ຂໍ້ມູນຜະລິດຕະພັນ

• ຊື່ຜະລິດຕະພັນ: Amazon SageMaker Studio ສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນ
• ຄວາມຍາວ: 3 ມື້
• ລາຄາ (ລວມ GST): $2860
• ຜູ້ໃຫ້ບໍລິການ: Lumify ວຽກ
• ຄູ່ຮ່ວມງານການຝຶກອົບຮົມຢ່າງເປັນທາງການ AWS: ອົດສະຕາລີ, ນິວຊີແລນ, ແລະຟີລິບປິນ
• ລາຍລະອຽດ: Amazon SageMaker Studio ເປັນແພລະຕະຟອມທີ່ສົມບູນແບບທີ່ຖືກອອກແບບໂດຍສະເພາະສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນເພື່ອກະກຽມ, ສ້າງ, ຝຶກອົບຮົມ, ນໍາໃຊ້, ແລະຕິດຕາມກວດກາການຮຽນຮູ້ເຄື່ອງຈັກ (ML) ແບບຢ່າງໄວ. ມັນສະຫນອງຄວາມສາມາດທີ່ຫລາກຫລາຍທີ່ມີຈຸດປະສົງທີ່ສ້າງຂຶ້ນສໍາລັບວຽກງານ ML.

Cloud Computing ແລະ virtualization
Amazon SageMaker Studio ສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນ

• LENGTH: 3 ມື້
• ລາຄາ (ລວມ GST): $2860

AWS AT LUMIFY Work
Lumify Work ເປັນຄູ່ຮ່ວມງານການຝຶກອົບຮົມ AWS ຢ່າງເປັນທາງການສໍາລັບອົດສະຕາລີ, ນິວຊີແລນ, ແລະຟີລິບປິນ. ໂດຍຜ່ານຜູ້ສອນ AWS ທີ່ໄດ້ຮັບອະນຸຍາດຂອງພວກເຮົາ, ພວກເຮົາສາມາດສະຫນອງເສັ້ນທາງການຮຽນຮູ້ທີ່ກ່ຽວຂ້ອງກັບທ່ານແລະອົງການຈັດຕັ້ງຂອງທ່ານ, ດັ່ງນັ້ນທ່ານສາມາດອອກຈາກຟັງໄດ້ຫຼາຍຂຶ້ນ. ພວກເຮົາສະເຫນີການຝຶກອົບຮົມແບບ virtual ແລະປະເຊີນຫນ້າກັບຫ້ອງຮຽນເພື່ອຊ່ວຍໃຫ້ທ່ານສ້າງທັກສະ cloud ຂອງທ່ານແລະເຮັດໃຫ້ທ່ານສາມາດບັນລຸການຢັ້ງຢືນ AWS ທີ່ໄດ້ຮັບການຍອມຮັບຈາກອຸດສາຫະກໍາ.

ເປັນຫຍັງຕ້ອງຮຽນຫຼັກສູດນີ້
ຫຼັກສູດລະດັບຂັ້ນສູງສາມວັນນີ້ຖືກອອກແບບມາເພື່ອຊ່ວຍໃຫ້ນັກວິທະຍາສາດຂໍ້ມູນທີ່ມີປະສົບການປັບປຸງການຜະລິດຂອງເຂົາເຈົ້າຕະຫຼອດວົງຈອນຊີວິດ ML ທັງຫມົດໂດຍໃຊ້ເຄື່ອງມືທີ່ມີຢູ່ໃນ SageMaker Studio. ຫຼັກສູດປະກອບມີການນໍາສະເຫນີ, ການສາທິດ, ຫ້ອງປະຕິບັດການ, ການສົນທະນາ, ແລະໂຄງການ capstone.

ສິ່ງ​ທີ່​ທ່ານ​ຈະ​ຮຽນ​ຮູ້​
ຫຼັກສູດນີ້ຈະສອນໃຫ້ຜູ້ເຂົ້າຮ່ວມຮູ້ວິທີການ:

1. ເລັ່ງການກະກຽມ, ການກໍ່ສ້າງ, ການຝຶກອົບຮົມ, ການປະຕິບັດ, ແລະການຕິດຕາມການແກ້ໄຂ ML ໂດຍໃຊ້ Amazon SageMaker Studio.

ວິຊາວິຊາ

ໂມດູນ 1: ຕັ້ງຄ່າ Amazon SageMaker ແລະນໍາທາງ

• ເປີດໃຊ້ SageMaker Studio ຈາກລາຍການບໍລິການ AWS
• ທ່ອງໄປຫາ SageMaker Studio UI
• Demo 1: SageMaker UI Walkthrough
• Lab 1: ເປີດໃຊ້ SageMaker Studio ຈາກລາຍການບໍລິການ AWS

ໂມດູນ 2: ການປະມວນຜົນຂໍ້ມູນ

• ໃຊ້ Amazon SageMaker Studio ເພື່ອເກັບກຳ, ທຳຄວາມສະອາດ, ສ້າງພາບ, ວິເຄາະ ແລະປ່ຽນຂໍ້ມູນ
• ຕັ້ງຄ່າຂະບວນການຊ້ໍາກັນສໍາລັບການປະມວນຜົນຂໍ້ມູນ
• ໃຊ້ SageMaker ເພື່ອກວດສອບວ່າຂໍ້ມູນທີ່ເກັບກໍາແມ່ນ ML ພ້ອມແລ້ວ
• ກວດຫາຄວາມລຳອຽງໃນຂໍ້ມູນທີ່ເກັບກຳ ແລະປະເມີນຄວາມຖືກຕ້ອງຂອງຕົວແບບພື້ນຖານ
• Lab 2: ວິເຄາະແລະກະກຽມຂໍ້ມູນໂດຍໃຊ້ SageMaker Data Wrangler
• ຫ້ອງທົດລອງ 3: ວິເຄາະແລະກະກຽມຂໍ້ມູນໃນຂະຫນາດໂດຍໃຊ້ Amazon EMR
• Lab 4: ການປະມວນຜົນຂໍ້ມູນໂດຍໃຊ້ SageMaker Processing ແລະ SageMaker Python SDK
• Lab 5: Feature Engineering ໂດຍໃຊ້ SageMaker Feature Store

ຄູສອນຂອງຂ້ອຍເກັ່ງຫຼາຍທີ່ສາມາດເອົາສະຖານະການເຂົ້າໄປໃນຕົວຢ່າງຂອງໂລກທີ່ແທ້ຈິງທີ່ກ່ຽວຂ້ອງກັບສະຖານະການສະເພາະຂອງຂ້ອຍ. ຂ້ອຍຮູ້ສຶກຍິນດີຕ້ອນຮັບຕັ້ງແຕ່ຕອນທີ່ຂ້ອຍມາຮອດແລະຄວາມສາມາດໃນການນັ່ງເປັນກຸ່ມຢູ່ນອກຫ້ອງຮຽນເພື່ອປຶກສາຫາລືສະຖານະການຂອງພວກເຮົາແລະເປົ້າຫມາຍຂອງພວກເຮົາແມ່ນມີມູນຄ່າຫລາຍ. ຂ້າພະເຈົ້າໄດ້ຮຽນຮູ້ຫຼາຍຢ່າງແລະຮູ້ສຶກວ່າມັນສໍາຄັນທີ່ເປົ້າຫມາຍຂອງຂ້ອຍໂດຍການເຂົ້າຮ່ວມຫຼັກສູດນີ້ແມ່ນບັນລຸໄດ້. ວຽກ​ເຮັດ​ງານ​ທໍາ​ທີ່​ຍິ່ງ​ໃຫຍ່ Lumify ທີມ​ງານ​.

AMANDA NICOL
IT SUPPORT ຜູ້ຈັດການການບໍລິການ - ປິ່ນປົວໂລກຈໍາກັດ ED

ໂມດູນ 4: ການນຳໃຊ້ ແລະ Inf erence

• ໃຊ້ Model Registry ເພື່ອສ້າງກຸ່ມຕົວແບບ; ລົງ​ທະ​ບຽນ​, view, ແລະ​ການ​ຄຸ້ມ​ຄອງ​ສະ​ບັບ​ຕົວ​ແບບ​; ແກ້ໄຂສະຖານະການອະນຸມັດແບບຈໍາລອງ; ແລະ​ປະ​ຕິ​ບັດ​ຕົວ​ແບບ​
• ອອກແບບ ແລະຈັດຕັ້ງປະຕິບັດການແກ້ໄຂການນຳໃຊ້ທີ່ຕອບສະໜອງໄດ້ຄວາມຕ້ອງການກໍລະນີການນຳໃຊ້ແບບ inference
• ສ້າງ, ອັດຕະໂນມັດ, ແລະຈັດການຂັ້ນຕອນການເຮັດວຽກ ML ປາຍຫາປາຍທາງໂດຍໃຊ້
• Amazon SageMaker Pipelines
• Lab 9: Inferencing ກັບ SageMaker Studio
• Lab 10: ການນໍາໃຊ້ SageMaker Pipelines ແລະ SageMaker Model Registry ກັບ SageMaker Studio

Lumify ວຽກ ການຝຶກອົບຮົມທີ່ກໍາຫນົດເອງ
ພວກເຮົາຍັງສາມາດຈັດສົ່ງ ແລະປັບແຕ່ງຫຼັກສູດການຝຶກອົບຮົມນີ້ສໍາລັບກຸ່ມໃຫຍ່ໆ ປະຢັດເວລາ, ເງິນ ແລະຊັບພະຍາກອນຂອງອົງກອນຂອງທ່ານ. ສໍາລັບຂໍ້ມູນເພີ່ມເຕີມ, ກະລຸນາຕິດຕໍ່ພວກເຮົາທີ່ 1 800 853 276.

ໂມດູນ 5: Monit oring

• ຕັ້ງຄ່າການແກ້ໄຂ SageMaker Model Monitor ເພື່ອກວດຫາບັນຫາ ແລະເລີ່ມການເຕືອນສໍາລັບການປ່ຽນແປງໃນຄຸນນະພາບຂໍ້ມູນ, ຄຸນນະພາບຂອງຕົວແບບ, ຄວາມລໍາອຽງ drift ແລະຄຸນສົມບັດ (ການອະທິບາຍ) drift
• ສ້າງຕາຕະລາງການຕິດຕາມທີ່ມີໄລຍະເວລາທີ່ກໍານົດໄວ້ກ່ອນ
• Demo 3: ການຕິດຕາມແບບຈໍາລອງ

ໂມດູນ 6: ການຄຸ້ມຄອງຊັບພະຍາກອນ SageMaker St udio ແລະການປັບປຸງ

• ສ້າງລາຍການຊັບພະຍາກອນທີ່ເກີດຄ່າບໍລິການ
• ຈື່ເວລາທີ່ຈະປິດຕົວຢ່າງ
• ອະທິບາຍວິທີການປິດຕົວຢ່າງ, ໂນດບຸກ, terminals, ແລະ kernels
• ເຂົ້າໃຈຂະບວນການປັບປຸງ SageMaker Studio

ໂມດູນ 3: ການພັດທະນາຕົວແບບ

• ໃຊ້ Amazon SageMaker Studio ເພື່ອພັດທະນາ, ປັບແຕ່ງ, ແລະປະເມີນຮູບແບບ ML ຕໍ່ກັບຈຸດປະສົງທາງທຸລະກິດ ແລະຄວາມຍຸຕິທຳ ແລະການປະຕິບັດທີ່ດີທີ່ສຸດທີ່ອະທິບາຍໄດ້.
• ຮູບແບບ ML ປັບລະອຽດໂດຍໃຊ້ຄວາມສາມາດໃນການເພີ່ມປະສິດທິພາບ hyperparameter ອັດຕະໂນມັດ
• ໃຊ້ SageMaker Debugger ເພື່ອແກ້ໄຂບັນຫາໃນລະຫວ່າງການພັດທະນາຕົວແບບ
• Demo 2: Autopilot
• ຫ້ອງທົດລອງ 6: ຕິດຕາມການຝຶກຊ້ອມ ແລະ ຮູບແບບການປັບປ່ຽນແບບເກົ່າໂດຍໃຊ້ SageMaker Experiments
• Lab 7: ວິເຄາະ, ກວດພົບ, ແລະຕັ້ງການແຈ້ງເຕືອນໂດຍໃຊ້ SageMaker Debugger Lab 8: ກໍານົດຄວາມລໍາອຽງໂດຍໃຊ້ SageMaker Clarify

Capstone
ຫ້ອງທົດລອງ Capstone ຈະນໍາເອົາຄວາມສາມາດຕ່າງໆຂອງ SageMaker Studio ທີ່ສົນທະນາໃນຫຼັກສູດນີ້ມາຮ່ວມກັນ. ນັກສຶກສາຈະໄດ້ຮັບໂອກາດໃນການກະກຽມ, ສ້າງ, ຝຶກອົບຮົມ, ແລະນໍາໃຊ້ຕົວແບບໂດຍໃຊ້ຊຸດຂໍ້ມູນຕາຕະລາງທີ່ບໍ່ເຫັນຢູ່ໃນຫ້ອງທົດລອງກ່ອນຫນ້ານີ້. ນັກຮຽນສາມາດເລືອກແບບພື້ນຖານ, ລະດັບປານກາງ, ແລະຂັ້ນສູງຂອງຄໍາແນະນໍາ.

ຫ້ອງທົດລອງ Capstone:
ສ້າງໂຄງການ End-to-End Tabular Data ML ໂດຍໃຊ້ SageMaker Studio ແລະ SageMaker Python SDK

ກະລຸນາ ບັນທຶກ: ນີ້ແມ່ນຫຼັກສູດເຕັກໂນໂລຢີທີ່ພົ້ນເດັ່ນຂື້ນ. ໂຄງຮ່າງຫຼັກສູດແມ່ນມີການປ່ຽນແປງຕາມຄວາມຕ້ອງການ.

ຫຼັກສູດນີ້ແມ່ນສໍາລັບໃຜ?

ຫຼັກສູດນີ້ແມ່ນມີຈຸດປະສົງ:

1. ນັກວິທະຍາສາດຂໍ້ມູນທີ່ມີປະສົບການທີ່ມີຄວາມຊໍານິຊໍານານໃນ ML ແລະພື້ນຖານການຮຽນຮູ້ເລິກ
2. ປະສົບການທີ່ກ່ຽວຂ້ອງລວມມີການໃຊ້ກອບ ML, ການຂຽນໂປລແກລມ Python, ແລະຂະບວນການສ້າງ, ການຝຶກອົບຮົມ, ການປັບແຕ່ງ, ແລະການນໍາໃຊ້ຕົວແບບ.

ພວກ​ເຮົາ​ຍັງ​ສາ​ມາດ​ຈັດ​ສົ່ງ​ແລະ​ປັບ​ແຕ່ງ​ວິ​ຊາ​ການ​ຝຶກ​ອົບ​ຮົມ​ນີ້​ສໍາ​ລັບ​ກຸ່ມ​ຂະ​ຫນາດ​ໃຫຍ່ - ຊ່ວຍ​ປະ​ຢັດ​ອົງ​ການ​ຈັດ​ຕັ້ງ​ຂອງ​ທ່ານ ion t ime​, ເງິນ​ແລະ​ຊັບ​ພະ​ຍາ​ກອນ​. ສຳລັບຂໍ້ມູນເພີ່ມເຕີມ, ກະລຸນາຕິດຕໍ່ພວກເຮົາທີ່ 1800 U LEARN (1800 853 276)

ເງື່ອນໄຂເບື້ອງຕົ້ນ

ແນະນຳໃຫ້ຜູ້ເຂົ້າຮຽນທັງໝົດມີຕໍ່ໄປນີ້ກ່ອນເຂົ້າຮຽນຫຼັກສູດນີ້:

• ສໍາເລັດຫຼັກສູດ AWS Technical Essent ials
• ປະສົບການໃນການຂຽນໂປລແກລມ Pyt hon

ຂໍແນະນຳໃຫ້ຜູ້ເຂົ້າຮ່ວມທີ່ບໍ່ໄດ້ມີປະສົບການດ້ານຂໍ້ມູນວິທະຍາສາດກ່ອນເຂົ້າຮຽນຫຼັກສູດນີ້:

• ຈົບຫຼັກສູດ Machine Learning Pipeline ໃນຫຼັກສູດ AWS
• ຈົບການສຶກສາຊັ້ນສູງໃນຫຼັກສູດ AWS

ການສະຫນັບສະຫນູນຂອງຫຼັກສູດນີ້ e ໂດຍ Lumify Work ແມ່ນຄຸ້ມຄອງໂດຍຂໍ້ກໍານົດແລະເງື່ອນໄຂການຈອງ. ກະລຸນາອ່ານຂໍ້ກໍານົດແລະເງື່ອນໄຂຢ່າງລະອຽດກ່ອນທີ່ຈະລົງທະບຽນໃນຫຼັກສູດນີ້ e, ເນື່ອງຈາກວ່າການລົງທະບຽນໃນຫຼັກສູດ e ແມ່ນເງື່ອນໄຂໃນການຍອມຮັບເງື່ອນໄຂແລະເງື່ອນໄຂເຫຼົ່ານີ້.

https://www.lumifywork.com/en-au/courses/amazon-sagemaker-studio-for-data-scientists/

ໂທຫາ 1800 853 276 ແລະລົມກັບທີ່ປຶກສາວຽກ Lumify ໃນມື້ນີ້!

• [ອີ​ເມລ​ປ້ອງ​ກັນ​]
• lumifywork.com
• facebook.com/LumifyWorkAU
• linkedin.com/company/lumify-work
• twitter.com/LumifyWorkAU
• youtube.com/@lumifywork

FAQs

ຫຼັກສູດແມ່ນດົນປານໃດ?

ຫຼັກສູດແມ່ນ 3 ມື້.

ລາຄາຂອງຫຼັກສູດແມ່ນເທົ່າໃດ?

ລາຄາຂອງຫຼັກສູດ, ລວມທັງ GST, ແມ່ນ $ 2860.

ໃຜເປັນຜູ້ໃຫ້ບໍລິການຫຼັກສູດນີ້?

Lumify Work ເປັນຄູ່ຮ່ວມງານການຝຶກອົບຮົມ AWS ຢ່າງເປັນທາງການສໍາລັບອົດສະຕາລີ, ນິວຊີແລນ, ແລະຟີລິບປິນ.

Amazon SageMaker Studio ແມ່ນຫຍັງ?

Amazon SageMaker Studio ເປັນແພລະຕະຟອມທີ່ສົມບູນແບບທີ່ຖືກອອກແບບໂດຍສະເພາະສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນເພື່ອກະກຽມ, ສ້າງ, ຝຶກອົບຮົມ, ນໍາໃຊ້, ແລະຕິດຕາມກວດກາການຮຽນຮູ້ເຄື່ອງຈັກ (ML) ແບບຢ່າງໄວ.

ເອກະສານ / ຊັບພະຍາກອນ

PARTNER SageMaker Studio ສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນ [pdf] ຄູ່ມືການຕິດຕັ້ງ SageMaker Studio ສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນ, SageMaker, Studio ສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນ, ນັກວິທະຍາສາດຂໍ້ມູນ, ນັກວິທະຍາສາດ

ເອກະສານອ້າງອີງ

• ຄູ່ມືຜູ້ໃຊ້