Entwicklung von ML-Pipelines mit SageMaker und CI/CD

Die Umstellung von Machine-Learning-Modellen vom lokalen Notebook auf ein zuverlässiges, automatisiertes Produktionssystem ist eine der größten Herausforderungen im modernen Software-Engineering. Dieser textbasierte Kurs führt Sie durch den Prozess der Operationalisierung Ihrer Workflows mit SageMaker und CI/CD-Praktiken (Continuous Integration and Continuous Delivery). Sie werden vom manuellen Modelltraining zum Entwurf robuster, automatisierter Pipelines übergehen, die Datenvorverarbeitung, Training, Auswertung und Bereitstellung verwalten. Sie lernen auch, wie Sie Modellsteuerung und automatisierte Trigger implementieren, um sicherzustellen, dass Ihre Modelle genau und aktuell bleiben. Was Sie lernen werden: - Verstehen Sie die grundlegenden MLOps-Konzepte und den Lebenszyklus von Machine Learning-Systemen. - Erstellen Sie automatisierte Workflows mit SageMaker Pipelines für Datenvorbereitung, Training und Auswertung. - Konfigurieren Sie die Modellregistrierungs-Governance, um Ihre Machine-Learning-Modelle zu verfolgen, zu versionieren und zu genehmigen. - Implementieren Sie CI / CD-Automatisierung, um Pipelines zu testen und bereitzustellen, wenn sich der Code ändert. - Wenden Sie moderne Beobachtungspraktiken an, um den Zustand der Pipeline und die Modellleistung in der Produktion zu überwachen. - Entwerfen Sie ereignisgesteuerte Trigger, um Modelle automatisch neu zu trainieren, wenn neue Daten eintreffen. Der Kurs beginnt mit der Kernterminologie von MLOps und der Pipeline-Architektur, bevor die Konfiguration der SageMaker-Schritte, der Registrierungsverwaltung und der automatisierten Bereitstellungs-Workflows vorgestellt wird. Sie werden detaillierte architektonische Erklärungen durchlesen, strukturierte Code-Snippets erkunden und durch schriftliche Design-Übungen üben. Dieser Kurs richtet sich an Software-Ingenieure, Datenwissenschaftler und aufstrebende MLOps-Ingenieure, die neu in der Automatisierung von maschinellem Lernen sind. Für den Einstieg sind keine vorherigen DevOps- oder fortgeschrittenen SageMaker-Erfahrungen erforderlich. Erstellen Sie noch heute zuverlässige, automatisierte Machine-Learning-Pipelines.