ホーム > Practical Data Science with Amazon SageMaker

Practical Data Science with Amazon SageMaker


対応チケット/ポイント等

  • New!
    新規コース(過去6ヶ月)
期間  1日間 時間  9:30~17:30
価格(税込)  77,000円(税込) 主催  トレノケート
コース種別  集合研修  
形式  講義+実機演習 コースコード  AWC0184V
日程 会場 空席状況 実施状況 選択

2024年8月9日(金) ~ 2024年8月9日(金)

オンラインLive

  空席あり

2024年9月18日(水) ~ 2024年9月18日(水)

オンラインLive

  空席あり

2024年11月13日(水) ~ 2024年11月13日(水)

オンラインLive

  空席あり

2025年3月12日(水) ~ 2025年3月12日(水)

オンラインLive

  空席あり

※「キャンセル待ち」でお申し込みの方には、別途メールにてご連絡いたします。
※「実施確定」表示のない日程は、お申し込み状況により開催中止になる場合がございます。
※ お申込期日が過ぎた日程は、「お問い合わせください」と表示されます。
※ トレノケート主催コース以外の空席状況は、残席数に関わらず「お申し込み後確認」と表示されます。
※ トレノケート主催コース以外では、主催会社のお席を確保した後に受付確定となります。
お申込みに関するお問い合わせはこちらから

ワンポイントアドバイス

【本コースはオンライン対応です】
会場が「オンラインLive」または「教室Live配信」の日程はオンラインでご参加いただけます。
  • オンラインLive:受講者の方はオンラインのみとなります。
  • 教室Live配信:教室・オンラインから受講される方が混在します。

★オンラインLiveトレーニングの詳細はこちら

重要なご連絡・ご確認事項

★お申込の皆様へ★ 
AWSラボ(AWS Builder Labs)へのサインインには、以下のいずれかのメールアドレスが必要です。 
・会社のメールアドレスなど、Amazonからのメールを受信可能なメールアドレス  
・APNアカウントアドレス

※Webお申し込み時に「AWS演習環境サインイン用メールアドレス(必須)」にご登録いただいたアドレスです。 
※あらかじめ「no-reply@us-east-1.otp.signin.aws.training」からのメール受信を許可してください。 
※Amazonアカウントに紐づいたアドレスが必須では無くなりました。

受講者様用AWS Builder Labsご利用手順 

●受講前の事前準備作業について

本コースでは、Gilmore社より発行される電子テキストを使用します。
同社の電子テキストの閲覧には、無償の電子ブックビューワーBookshelfが必要です。

ご受講当日スムーズにテキスト閲覧を開始するために、あらかじめ Bookshelfアカウント登録作業をお済ませください。
すでにアカウントをお持ちの方は、登録アカウントとパスワードでログインができることをご確認ください。

対象者情報

対象者
データサイエンティストと連携して機械学習と統合するアプリケーションを構築する

・開発オペレーション (DevOps) エンジニアの方
・アプリケーション開発者の方
前提条件
□Python プログラミングの基本的な理解
□統計学の基礎知識
□AWS Cloud Practitoner Essetials 及び AWS Technical Essentials の受講(必須)

学習内容の詳細

コース概要
このコースでは、開発者または DevOps エンジニアの立場にある方が、Amazon SageMaker Studio を使用して ML モデルを構築する際の機械学習の基礎と手順について、データの準備方法と、ML モデルのトレーニング、評価、調整、デプロイの方法を学ぶことができます。
学習目標
● ビジネス上の問題を解決するためのさまざまなタイプの機械学習の利点について説明できる
● ML システムを構築してデプロイするチームの一般的なプロセス、役割、責任について説明できる
● データサイエンティストが Amazon Web Services (AWS) ツールを使用して ML に関する一般的なビジネス上の問題を解決する方法を説明できる
● ML モデルを運用する際の課題を説明できる
● AWS ツール群を ML 機能に対応させる手法について説明できる
学習内容
1. 機械学習入門
  - 機械学習 (ML) のメリット
  - ML アプローチのタイプ
  - ビジネス上の問題の定式化
  - 予測の品質
  - ML プロジェクトのプロセス、役割、責任

2. データセットの準備
  - データ分析と準備
  - データ準備ツール
  - データ準備のデモとラボ
  - ラボ 1: SageMaker Data Wranglerによるデータ準備

3. モデルのトレーニング
  - モデルトレーニングのステップ
  - アルゴリズムを選択する
  - Amazon SageMaker でモデルをトレーニングする
  - ラボ 2: Amazon SageMaker を使ったモデルのトレーニング
  - Amazon CodeWhisperer

4. モデルの評価とチューニング
  - モデル評価
  - モデルチューニングとハイパーパラメーター最適化
  - ラボ 3: Amazon SageMaker によるモデルチューニングと HPO

5. モデルのデプロイ
  - モデルデプロイ
  - ラボ 4: モデルをリアルタイムエンドポイントにデプロイして予測を生成する

6. 運用上の課題
  - 責任ある ML
  - ML チームと MLOps
  - オートメーション
  - モニタリング
  - モデルの更新(モデルのテストとデプロイ)

7. その他のモデル構築ツール
  - 様々なスキルやビジネスニーズに対応する様々なツール
  - SageMaker Canvas を使ったノーコード ML
  - Amazon SageMaker Studio Lab
  - ラボ 5: Web アプリケーションと Amazon SageMaker エンドポイントの統合

実習/演習内容詳細

演習/デモ内容
簡単な実機演習を通して、学習した知識を実際にAWSの管理コンソールで確認することができます。

- ラボ1 SageMaker Data Wranglerによるデータ準備
- ラボ2 Amazon SageMaker を使ったモデルのトレーニング
- ラボ3 Amazon SageMaker によるモデルチューニングと HPO
- ラボ4 モデルをリアルタイムエンドポイントにデプロイして予測を生成する
- ラボ5 Web アプリケーションと Amazon SageMaker エンドポイントの統合

コース関連付加情報

ご注意・ご連絡事項

・弊社経由でお申込みされた場合、APNパートナー割引は適用されませんのであらかじめご了承ください。
・ご受講前に、電子ブックビューア【BookShelf】のアカウント登録をお済ませください。
・ご受講当日、電子テキスト閲覧用の各種デバイス(スマートフォン、タブレット、ノートPC等)を研修会場へお持ち込みいただいても結構です。