AW235: Machine Learning Engineering on AWS™

Training: AWS™ - Cloud - Künstliche Intelligenz

AWS ATP Select Tier Logo

Der Kurs vermittelt Fachkräften im Machine Learning, wie sie ML-Lösungen auf AWS™ im großen Maßstab entwickeln, bereitstellen, orchestrieren und betreiben. Durch Theorie und praxisnahe Übungen sammeln Teilnehmende Erfahrung mit Amazon SageMaker AI, Amazon EMR und weiteren Services, um robuste, skalierbare und produktionsreife ML-Anwendungen umzusetzen.

Online-Training Online-Training

Start: 10.02.2026 | 10:00 Uhr

Ende: 12.02.2026 | 17:00 Uhr

Ort: Online

Preis: 1.995,00 € zzgl. MwSt.

Online-Training Online-Training

Start: 09.11.2026 | 10:00 Uhr

Ende: 11.11.2026 | 17:00 Uhr

Ort: Online

Preis: 1.995,00 € zzgl. MwSt.

Wunschzeitraum für Termin anfragen:

* Alle Felder, die mit einem Sternchen versehen sind, sind Pflichtfelder.

Agenda:

  • Einführung in den Kurs

  • Einführung in Machine Learning (ML) auf AWS™
    • Einführung in ML
    • Amazon SageMaker AI
    • Verantwortungsvolles ML

  • Analyse von Herausforderungen im Bereich Machine Learning (ML)
    • Bewertung geschäftlicher ML-Herausforderungen
    • Trainingsansätze im ML
    • Trainingsalgorithmen im ML

  • Datenverarbeitung für Machine Learning (ML)
    • Datenaufbereitung und Datentypen
    • Explorative Datenanalyse
    • AWS™ Storage-Optionen und Auswahl

  • Datentransformation und Feature Engineering
    • Umgang mit fehlerhaften, doppelten und fehlenden Daten
    • Konzepte des Feature Engineerings
    • Techniken zur Feature-Auswahl
    • AWS™-Services zur Datentransformation

  • Lab 1: Analyse und Aufbereitung von Daten mit Amazon SageMaker Data Wrangler und Amazon EMR
  • Lab 2: Datenverarbeitung mit SageMaker Processing und dem SageMaker Python SDK

  • Auswahl eines Modellierungsansatzes
    • Eingebaute Algorithmen von Amazon SageMaker AI
    • Amazon SageMaker Autopilot
    • Auswahl eingebaute Trainingsalgorithmen
    • Überlegungen zur Modellauswahl
    • Kostenaspekte im ML

  • Training von Machine-Learning-(ML)-Modellen
    • Konzepte des Modelltrainings
    • Modelltraining mit Amazon SageMaker AI

  • Lab 3: Training eines Modells mit Amazon SageMaker AI

  • Bewertung und Optimierung von ML-Modellen
    • Bewertung der Modellleistung
    • Techniken zur Reduzierung der Trainingszeit
    • Techniken zur Hyperparameter-Optimierung

  • Lab 4: Modell-Tuning und Hyperparameter-Optimierung mit Amazon SageMaker AI

  • Strategien zur Modellbereitstellung
    • Bereitstellungsüberlegungen und Zieloptionen
    • Bereitstellungsstrategien
    • Auswahl einer Inferenzstrategie
    • Container- und Instanztypen für Inferenz

  • Lab 5: Traffic Shifting

  • Absicherung von AWS™-Machine-Learning-(ML)-Ressourcen
    • Zugriffskontrolle
    • Netzwerkkontrollen für ML-Ressourcen
    • Sicherheitsüberlegungen für CI/CD-Pipelines

  • Machine Learning Operations (MLOps) und automatisierte Bereitstellung
    • Einführung in MLOps
    • Automatisiertes Testen in CI/CD-Pipelines
    • Continuous-Delivery-Services

  • Lab 6: Nutzung von Amazon SageMaker Pipelines und dem Amazon SageMaker Model Registry mit Amazon SageMaker Studio

  • Überwachung der Modellleistung und Datenqualität
    • Erkennung von Datenabweichungen in ML-Modellen
    • SageMaker Model Monitor
    • Überwachung von Daten- und Modellqualität
    • Automatisierte Fehlerbehebung und Troubleshooting

  • Lab 7: Überwachung eines Modells auf Datenabweichungen

  • Kursabschluss

Ziele:

In diesem Kurs AW235 Machine Learning Engineering on AWS™ lernen Sie:
  • Grundlagen von ML und deren Anwendungsfälle in der AWS™ Cloud zu erläutern
  • Daten mithilfe von AWS™-Services für ML-Aufgaben zu verarbeiten, zu transformieren und aufzubereiten
  • Geeignete ML-Algorithmen und Modellierungsansätze anhand der Problemstellung und Modellinterpretierbarkeit auszuwählen
  • Skalierbare ML-Pipelines mit AWS™-Services für das Modelltraining, die Bereitstellung und Orchestrierung zu entwerfen und umzusetzen
  • Automatisierte Continuous-Integration- und Delivery-(CI/CD)-Pipelines für ML-Workflows zu erstellen
  • Geeignete Sicherheitsmaßnahmen für ML-Ressourcen auf AWS™ zu besprechen
  • Strategien zur Überwachung von bereitgestellten ML-Modellen umzusetzen, einschließlich Techniken zur Erkennung von Datenabweichungen

Zielgruppe:

Dieser Kurs AW235 Machine Learning Engineering on AWS™ richtet sich an:
  • DevOps Engineers
  • Developer
  • SysOps Engineers
  • ML-Engineers
  • ML-Profis, die an der Erstellung, Bereitstellung und Operationalisierung von Modellen für maschinelles Lernen in AWS™ interessiert sind.

Voraussetzungen:

Um an dem Kurs AW235 Machine Learning Engineering on AWS™ bei qSkills™ teilnehmen zu können, sollten Sie folgende Voraussetzungen erfüllen:
  • Vertrautheit mit grundlegenden Konzepten des Machine Learnings
  • Praktische Kenntnisse in der Programmiersprache Python sowie gängiger Data-Science-Bibliotheken wie NumPy, Pandas und Scikit-learn
  • Grundverständnis von Cloud-Computing-Konzepten und Vertrautheit mit AWS™
  • Erfahrung mit Versionskontrollsystemen wie Git (vorteilhaft, aber nicht erforderlich)

Beschreibung:

Der dreitägige Kurs AW235 Machine Learning Engineering on AWS™ richtet sich an Fachkräfte im Bereich Machine Learning, die ihre Kenntnisse im maschinellen Lernen auf AWS™ vertiefen möchten. Die Teilnehmenden lernen, ML-Lösungen im großen Maßstab zu erstellen, bereitzustellen, zu orchestrieren und zu betreiben – durch eine ausgewogene Kombination aus Theorie, praktischen Übungen (Labs) und Aktivitäten. Sie sammeln praktische Erfahrung mit AWS™-Services wie Amazon SageMaker AI und Analysewerkzeugen wie Amazon EMR, um robuste, skalierbare und produktionsreife Machine-Learning-Anwendungen zu entwickeln.

Dieser Kurs AW235 Machine Learning Engineering on AWS™ umfasst Präsentationen, praktische Übungen (Labs), Demonstrationen und Gruppenübungen.

Sonstiges:

Die Kursunterlagen (E-Book) sind in englischer Sprache, die Kurssprache ist deutsch.
check-icon

Durchführungsgarantie:

ab 2 Teilnehmer

Buchungsinformationen

Preis:

1.995,00 € zzgl. MwSt.

(inklusive Mittagessen & Getränke)

Prüfung:

Die Prüfungsgebühr ist nicht im Preis enthalten. Kann aber bei PearsonVue gebucht werden.

Autorisierter Trainingspartner

NetApp Partner Authorized Learning
Commvault Training Partner
CQI | IRCA Approved Training Partner
Veeam Authorized Education Center
Acronis Authorized Training Center
AWS Partner Select Tier Training
ISACA Accredited Partner
iSAQB
CompTIA Authorized Partner
EC-Council Accredited Training Center

Mitgliedschaften

Allianz für Cyber-Sicherheit
TeleTrust Pioneers in IT security
Bundesverband der IT-Sachverständigen und Gutachter e.V.
Bundesverband mittelständische Wirtschaft (BVMW)
Allianz für Sicherheit in der Wirtschaft
NIK - Netzwerk der Digitalwirtschaft
BVSW
Bayern Innovativ
KH-iT
CAST
IHK Nürnberg für Mittelfranken
eato e.V.
Sicherheitsnetzwerk München e.V.