AWS Discovery Day Machine Learning – Grundlagen
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
AWS Discovery Day Machine Learning – Grundlagen
aktuelle Kurs-Termine finden Sie am Ende dieser Seite!
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
| Hier zum kostenlosen Webinar anmelden |
Kursziele
Was in diesem Webinar behandelt wird:
- 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
Dieses Webinar ist konzipiert für:
- Entwickler
- Lösungsarchitekten
- Data Engineers
- Personen, die mit Hilfe von Machine Learning Lösungen entwickeln möchten – keine Vorkenntnisse in Bezug auf Machine Learning erforderlich!
Voraussetzungen
Es sind keine Vorkenntnisse erforderlich.
Lehrmethode
Dieses Webinar setzt sich zusammen aus:
- Vortrag
- Es können während des Webinars keine Fragen gestellt werden
Im Anschluss des Webinars wird auf die im Chat gestellten Fragen eingegangen.
Kursdauer / Preis
- 1,5 Stunden / € 0,00
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