Logo

AWS Discovery Day - Machine Learning - Grundlagen

Date

Monday, November 18, 2024

Time

09:00 AM Europe/Berlin

Convert to my timezone
This field is required.
This field is required.
This field is required.
This field is required.
This field is required.
Required fields
If you have already registered and can't locate your registration confirmation email, click here!
The email address is incorrect. Please double-check your email address.

A confirmation email with logging details has been sent to the provided email.

System configuration test. Click here!

Mit Absenden meiner Registrierung erkläre ich mich bereit von tecRacer Consulting GmbH per E-Mail oder Telefon Informationen erhalten. Sie können sich anhand der in den Mitteilungen enthaltenen Hinweise jederzeit abmelden. Ihre Informationen werden gemäß den tecRacer Datenschutzbestimmungen verarbeitet.

Agenda

BESCHREIBUNG

Interessieren Sie sich für Machine Learning, wissen aber nicht, wo Sie ansetzen sollten? Nehmen Sie an dieser Schulung mit einem AWS-Experten teil, um Grundkenntnisse zu gewinnen. Anhand von Beispielen aus dem echten Leben erfahren Sie mehr über wichtige Konzepte, Terminologie und den verschiedenen Phasen der Machine Learning Pipeline. Erfahren Sie, wie Sie neue Erkenntnisse und geschäftlichen Mehrwert aus Machine Learning gewinnen können.

  • Level: Grundkenntnisse
  • Dauer: 1,5 Stunden


THEMEN

Bei dieser Veranstaltung erfahren Sie:

  • Was ist Machine Learning?
  • Was ist die Machine Learning Pipeline und welche Phasen beinhaltet sie?
  • Was ist der Unterschied zwischen überwachtem und nicht überwachtem Lernen?
  • Was ist Verstärkungslernen?
  • Was ist Deep Learning?


ZIELGRUPPE

Diese Veranstaltung richtet sich an:

  • Entwickler
  • Lösungsarchitekten
  • Data Engineers
  • Personen, die mit Hilfe von Machine Learning Lösungen entwickeln möchten – keine Vorkenntnisse in Bezug auf Machine Learning erforderlich!


KURSINHALT

Abschnitt 1: Grundlagen zu Machine Learning

  • Klassische Programmierung oder Machine Learning-Ansatz – ein Vergleich
  • Was ist ein Modell?
  • Funktionen eines Algorithmus, Gewichtung und Ergebnisse
  • Kategorien für Machine Learning-Algorithmen
  • Überwachte Algorithmen
  • Nicht überwachte Algorithmen
  • Verstärkungslernen


Abschnitt 2: Was ist Deep Learning?

  • Wie funktioniert Deep Learning?
  • Warum Deep Learning anders ist


Abschnitt 3: Die Machine Learning Pipeline

  • Übersicht
  • Geschäftliches Problem
  • Datenerfassung und -integration
  • Datenverarbeitung und -visualisierung
  • Feature-Engineering
  • Training und Feinabstimmung des Modells
  • Modellbewertung
  • Modellbereitstellung


Abschnitt 4: Was sind meine nächsten Schritte?

  • Ressourcen zur Vertiefung