Practical Data Science mit Amazon SageMaker
Trainiere, optimiere und deploye ML-Modelle praxisnah mit SageMaker und AWS-Workflows
- ML-Workflow mit Amazon SageMaker
- Datenanalyse und Feature Engineering
- Training, Tuning und Modellbewertung
- 1 Tag
- Fortgeschritten
- Online
- Zufriedenheitsgarantie Risikofrei für dich
- Online Live per Videokonferenz
- max. 8 Teilnehmerinnen und Teilnehmer pro Gruppe
- Keine Vorkasse Rechnung nach dem Seminar
Das nimmst du mit
- ML-Workflow mit Amazon SageMaker
- Datenanalyse und Feature Engineering
- Training, Tuning und Modellbewertung
- Deployment an SageMaker-Endpunkte
- Responsible ML und MLOps-Grundlagen
Passt das zu dir?
Damit du den Tag wirklich mitnimmst, lohnt sich ein kurzer Abgleich.
Richtig für dich, wenn
- Application-Developer, die ML-Funktionen in Anwendungen auf AWS integrieren
- DevOps- und Cloud-Engineering-Teams mit Verantwortung für ML-nahe Workloads
- Data-Scientists und Data-Analysten mit ersten AWS-Berührungspunkten
- Technische Projektverantwortliche, die Data-Science-Prozesse auf AWS bewerten und begleiten
Das bringst du mit
Für eine produktive Teilnahme werden folgende Vorkenntnisse empfohlen:
- Grundlagen der AWS-Cloud, zum Beispiel aus AWS Cloud Practitioner Essentials oder AWS Technical Essentials
- Grundkenntnisse der Programmiersprache Python
- Grundlegendes Verständnis von Machine Learning
- Basiswissen zu Statistik, Datenanalyse und tabellarischen Datensätzen
Dein Lernweg
Vormittag: ML-Grundlagen und Datenvorbereitung
- Einordnung von Machine Learning und typischen Business-Problemen
- Rollen, Verantwortlichkeiten und Ablauf in ML-Projekten
- Analyse eines Beispieldatensatzes
- Datenbereinigung, Feature Engineering und Aufteilung in Trainings- und Testdaten
- Einführung in Amazon SageMaker Studio, Notebooks und Data Wrangler
Mittag: Modelltraining mit Amazon SageMaker
- Auswahl geeigneter Algorithmen für den Anwendungsfall
- Training eines Modells mit SageMaker
- Einsatz von XGBoost für strukturierte Daten
- Überwachung von Trainingsjobs und Interpretation der Ergebnisse
- Bewertung der Modellleistung anhand passender Metriken
Nachmittag: Tuning, Deployment und Betrieb
- Hyperparameter-Optimierung mit Amazon SageMaker
- Vergleich von Modellqualität, Fehlkosten und geschäftlichem Nutzen
- Bereitstellung eines Modells an einem Echtzeit-Endpunkt
- Generierung von Vorhersagen und Einordnung von Batch-Inferenz
- Operationalisierung mit Monitoring, Responsible ML, Automatisierung und SageMaker Canvas
Klarheit von Anfang an
Format, Ablauf und alles, was schon enthalten ist. Keine Überraschungen, nur Fokus auf dein Ergebnis.
- Live-OnlineInteraktiv per Videokonferenz, von überall
- Montag09:00 bis 17:00 Uhr
1 Tag
Kompakt aufgebaut, damit du schnell ins Tun kommst.
max. 8
Kleine Gruppe, damit genug Raum für deine Fragen bleibt.
- Fachliche Impulse und Live-Demonstrationen durch AWS-erfahrene Trainerinnen und Trainer
- Hands-on Labs entlang eines durchgängigen Machine-Learning-Anwendungsfalls
- Arbeit mit Amazon SageMaker Studio, Notebooks, Data Wrangler, Training, Tuning und Deployment
- Praxisnahe Einordnung typischer Fehlerquellen, Kostenaspekte und Betriebsanforderungen
- Austausch zu Anwendungsfällen aus Entwicklungs-, DevOps- und Data-Science-Teams
Das ist immer dabei
- Ausführliche Schulungsunterlagen und Praxisbeispiele
- Teilnahmezertifikat
- Übungsumgebungen und Beispieldaten
- Nachbetreuung per E-Mail nach dem Seminar
Dieser Kurs bereitet Sie gezielt auf die Zertifizierungsprüfung AWS Certified Machine Learning – Specialty (MLS-C01) vor.
- Prüfung kann online oder in einem Prüfungsinstitut abgelegt werden.
- Prüfungs-Voucher optional bei uns erhältlich.
Sichere dir deinen Platz
Wähle den Termin, der zu dir passt. Online live dabei oder vor Ort, ganz wie es für dich passt.
- Erfahrene IT-Trainer aus der Praxis
- Keine Vorkasse, Rechnung nach dem Seminar
- Kostenfreie Umbuchung bis 14 Tage vor Start
Lieber das ganze Team?
Bring dieses Seminar zu euch ins Haus oder lass uns ein Programm bauen, das genau auf euer Unternehmen passt.
Inhouse-Schulung
Wir kommen zu dir und schulen dein Team genau auf eure Praxis.
- Komplett auf eure Use-Cases und Tools zugeschnitten
- Termin und Ort bestimmst du, vor Ort oder Live-Online
- Ein fester Pauschalpreis statt Preis pro Person
Firmen-Seminar
Ein individuelles Programm, das wir auf eure Ziele zuschneiden.
- Frei kombinierbare Module aus unserem Themenkatalog
- Skalierbar von der Kleingruppe bis zur ganzen Belegschaft
- Begleitung über mehrere Termine hinweg möglich
Deine IT-Schulungen München-Expertinnen und -Experten
Du hast Fragen zu Inhalten, Terminen oder einer passenden Lösung für dein Team? Wir beraten dich gern, bevor du buchst. Direkt, ohne Umwege.
Antwort in der Regel am selben Werktag
Dein cmt-Team München
Beratung zu IT-Weiterbildung
Fragen und Antworten zu Practical Data Science mit Amazon SageMaker
Was lerne ich in der Amazon SageMaker Schulung?
Du durchläufst den zentralen Data-Science-Prozess auf AWS: Daten analysieren und vorbereiten, ein Machine-Learning-Modell trainieren, Hyperparameter optimieren, Ergebnisse bewerten und das Modell mit Amazon SageMaker für Vorhersagen bereitstellen.
Ist das Seminar für Einsteiger in Machine Learning geeignet?
Das Training ist als Intermediate-Schulung ausgelegt. Erste Kenntnisse in Python, Statistik und Machine Learning sind hilfreich. Wenn du noch stärker in die Grundlagen einsteigen möchtest, ist vorab ein Training wie AWS AI Practitioner Essentials sinnvoll.
Welche AWS-Dienste werden im Training genutzt?
Der Schwerpunkt liegt auf Amazon SageMaker mit SageMaker Studio, Notebooks, Data Wrangler, Trainingsjobs, Hyperparameter-Tuning und Modell-Deployment. Ergänzend werden AWS-Grundlagen eingeordnet, die für den produktiven Betrieb von ML-Workloads relevant sind.
Gibt es praktische Übungen mit Amazon SageMaker?
Ja. Das Seminar kombiniert fachliche Erläuterungen, Demonstrationen und Hands-on Labs. Dabei wird ein durchgängiger Machine-Learning-Anwendungsfall bearbeitet, vom Datensatz bis zur Bereitstellung eines Modells.
Für welche Rollen ist Practical Data Science mit Amazon SageMaker geeignet?
Die Schulung richtet sich an Application-Developer, DevOps-Engineers, Data-Scientists, Data-Analysten und technische Projektverantwortliche, die ML-Lösungen auf AWS verstehen, begleiten oder selbst umsetzen möchten.
Bereitet der Kurs auf eine AWS-Zertifizierung vor?
Das Seminar vermittelt praxisrelevante Fähigkeiten für Machine-Learning-Workflows mit Amazon SageMaker. Es ist jedoch keine gezielte Zertifizierungsvorbereitung für eine aktuell aktive AWS-Prüfung.
Passende Schulungen
Practical Data Science mit Amazon SageMaker
Nächster Termin: 22. September 2026 · Online
ab750 €netto