Maschinelles Lernen mit AWS DeepRacer

Maschinelles Lernen beschreibt Verfahren, mit denen Modelle aus Daten Muster ableiten und Vorhersagen treffen. Der Kurs verbindet die Grundlagen des Cloud-Computing – Dienste, Architekturen, Netzwerksicherheit und -verwaltung – mit dem Aufbau und der Verbesserung von ML-Modellen auf einer Cloud-Datenbasis sowie dem Entwurf skalierbarer, fehlertoleranter Systeme, bei dem Kostenoptimierung und Sicherheitsmanagement mitgedacht werden.

Kompetenzziele

Grundlagen des Cloud-Computing und die Bereitstellung von Rechen-, Speicher- und Datendiensten einordnen
Cloud-Dienste und Referenzarchitekturen für Datenhaltung und Modellbetrieb auswählen
Netzwerksicherheit und Netzwerkverwaltung in Cloud-Umgebungen umsetzen
Grundbegriffe maschineller Lernverfahren – Trainingsdaten, Modell, Vorhersage, Bewertung – anwenden
ML-Modelle entwickeln, trainieren und anhand von Kennzahlen verbessern
Skalierbare und fehlertolerante Systeme entwerfen und dabei Kosten und Sicherheit steuern

Themen und Zusammenhänge

Den Ausgangspunkt bildet die Cloud: Wie Rechenleistung, Speicher und Datendienste bereitgestellt werden, welche Dienstkategorien AWS und vergleichbare Plattformen kennen und wie Netzwerke abgesichert und verwaltet werden. Darauf bauen die Lernverfahren auf: Aus gespeicherten Daten werden Trainingsmengen gebildet, Modelle trainiert, ihre Vorhersagen bewertet und durch Anpassung von Daten und Parametern verbessert. Der dritte Strang verbindet beides zum Systementwurf: Wie Datenhaltung und Modellbetrieb so ausgelegt werden, dass sie mit wachsender Last skalieren, Ausfälle einzelner Komponenten verkraften und dabei Kosten und Sicherheitsanforderungen im Rahmen bleiben. Am Ende steht der Zusammenhang zwischen Cloud-Architektur und Modellqualität: Welche Infrastruktur ein Lernverfahren braucht und wie beides zusammen betrieben wird.

Berufliche Perspektiven

Einsatzfelder liegen dort, wo Daten in Cloud-Umgebungen gesammelt, verarbeitet und für lernende Modelle genutzt werden:

Cloud Data Engineer bzw. Dateningenieur:in
Machine-Learning-Engineer bzw. ML-Entwickler:in
Cloud-Architekt:in bzw. Cloud Architect
Data Scientist bzw. Datenanalyst:in mit Modellverantwortung

Allgemeine Informationen

Labels: KW44-1:neue Titel

Kategorie

Kursart: Weiterbildungsangebot
Systematik: KI-Entwicklungen, KI-Anwendungen
Keywords: Maschinelles Lernen
Maschinelles
Maschinelles Lernen Kurs
Maschinelle
Maschinelles Lernen Grundlagen
Bildungsart: Fortbildung/Qualifizierung
Schulart: Einrichtung der beruflichen Weiterbildung

Gesamtkosten

Kosten: 2.000 €
Kosten Bemerkung: Die Kosten für den Kurs Maschinelles Lernen mit AWS DeepRacer sind in Vollzeit und in Teilzeit identisch und beinhalten Schulungsunterlagen sowie Softwarelizenzen.

Abschluss & Zulassung

Abschlussart: Internes Trägerzertifikat: Maschinelles Lernen mit AWS DeepRacer von Lutz + Grub
Abschlussbezeichnung: Maschinelles Lernen mit AWS DeepRacer
Anrechnung: keine Angabe
Berechtigung: keine Angabe
Zusatzqualifikationen: keine Angabe
Prüfende Stelle: Eine interne Prüfungskommission ist für die Abnahme der Prüfung des Kurses Maschinelles Lernen mit AWS DeepRacer zuständig.

Sonstiges

Zugang: Die Teilnahme am Kurs Maschinelles Lernen mit AWS DeepRacer erfordert lediglich Interesse am Themengebiet. Besondere Vorkenntnisse sind nicht notwendig.
Zielgruppe: Data Science als Berufsziel: Der Kurs Maschinelles Lernen mit AWS DeepRacer richtet sich an alle Personen, die künftig in dem Bereich Data Science arbeiten möchten.