Curso Machine Learning Engineering on AWS del centro CAS TRAINING

Descripción

Este programa formativo está diseñado para ingenieros de ML que deseen adquirir experiencia práctica en la construcción de pipelines escalables con Amazon SageMaker. A lo largo de la formación, aprenderás sobre preparación de datos con Data Wrangler, entrenamiento y ajuste de modelos, despliegue con prácticas de MLOps, seguridad y monitoreo de modelos en producción.

A quién va dirigido

1. Ingenieros de ML en activo o en formación, incluso con poca experiencia en AWS.
2. Ingenieros DevOps que busquen integrar flujos de ML en sus pipelines.
3. Desarrolladores y SysOps interesados en operacionalizar modelos de Machine Learning en la nube.

Objetivos

1. Diseñar pipelines escalables para entrenamiento y despliegue de modelos.
2. Crear pipelines CI/CD automatizados para flujos de ML.
3. Aplicar medidas de seguridad en recursos de ML.
4. Implementar monitoreo de modelos y detectar desviaciones en datos (data drift).

Temario

Módulo 1: Course Introduction

Módulo 2: Introduction to Machine Learning (ML) on AWS

Introduction to ML

Amazon SageMaker AI

Responsible ML

Módulo 3: Analyzing Machine Learning (ML) Challenges

Evaluating ML business challenges

ML training approaches

ML training algorithms

Módulo 4: Data Processing for Machine Learning (ML)

Data preparation and types

Exploratory data analysis

AWS storage options and choosing storage

Módulo 5: Data Transformation and Feature Engineering

Handling incorrect, duplicated, and missing data

Feature engineering concepts

Feature selection techniques

AWS data transformation services

Lab 1: Analyze and Prepare Data with Amazon SageMaker Data Wrangler and Amazon EMR

Lab 2: Data Processing Using SageMaker Processing and the SageMaker Python SDK

Módulo 6: Choosing a Modeling Approach

Amazon SageMaker AI built-in algorithms

Selecting built-in training algorithms

Amazon SageMaker Autopilot

Model selection considerations

ML cost considerations

Módulo 7: Training Machine Learning (ML) Models

Model training concepts

Training models in Amazon SageMaker AI

Lab 3: Training a model with Amazon SageMaker AI

Módulo 8: Evaluating and Tuning Machine Learning (ML) models

Evaluating model performance

Techniques to reduce training time

Hyperparameter tuning techniques

Lab 4: Model Tuning and Hyperparameter Optimization with Amazon SageMaker AI

Módulo 9: Model Deployment Strategies

Deployment considerations and target options

Deployment strategies

Choosing a model inference strategy

Container and instance types for inference

Lab 5: Shifting Traffic A/B

Módulo 10: Securing AWS Machine Learning (ML) Resources

Access control

Network access controls for ML resources

Security considerations for CI/CD pipelines

Módulo 11: Machine Learning Operations (MLOps) and Automated Deployment

Introduction to MLOps

Automating testing in CI/CD pipelines

Continuous delivery services

Lab 6: Using Amazon SageMaker Pipelines and the Amazon SageMaker Model Registry with Amazon SageMaker Studio

Módulo 12: Monitoring Model Performance and Data Quality

Detecting drift in ML models

SageMaker Model Monitor

Monitoring for data quality and model quality

Automated remediation and troubleshooting

Lab 7: Monitoring a Model for Data Drift

Módulo 13: Course Wrap-up

Titulación obtenida

Preparación para el examen de certificación AWS Certified Machine Learning Engineer Associate.

Requisitos

Es recomendable tener:

1. Familiaridad con los conceptos básicos de Machine Learning.
2. Conocimientos de programación Python y librerías de data science como NumPy, Pandas y Scikit-learn.
3. Conceptos básicos de computación en la nube y familiaridad con AWS.
4. Experiencia con sistemas de control de versiones como Git (beneficioso pero no obligatorio).

Otros cursos

• Curso subvencionado Systems Operations on AWS (Amazon Web Services)
• Curso subvencionado Security Operations on AWS (Amazon Web Services)
• Curso subvencionado Revolución artificial: Uso y aplicaciones de ChatGPT en el entorno digital
• Curso subvencionado Personalización de la experiencia del cliente con inteligencia artificial
• Curso subvencionado Fundamentos de programación con HTML, CSS y JavaScript