¿Tienes alguna pregunta?
Mensaje enviado Cerrar

Amazon SageMaker Studio for Data Scientists

Duración: 21 hrs

Modalidad: Live on-line

Nivel: Avanzado

País: España

Dirigido a:

Científicos de datos experimentados que son competentes en fundamentos de aprendizaje automático y aprendizaje profundo.

Pre requisitos:

Recomendamos que todos los estudiantes completen el siguiente curso de AWS antes de asistir a este curso:

AWS Tech Essentials (curso de un día con instructor de AWS o curso digital de 4 horas).

Recomendamos que los estudiantes que no tengan experiencia en ciencia de datos completen los siguientes dos cursos, seguidos de 1 año de experiencia laboral en la construcción de modelos antes de hacer este curso:

The Machine Learning Pipeline on AWS (curso de 4 días con instructor de AWS).

Deep Learning on AWS (curso de 1 día con instructor de AWS).

Material:

Incluye material oficial de AWS

 

Incluye:

— 

Descripción:

Amazon SageMaker Studio ayuda a los científicos de datos a preparar, construir, entrenar, implementar y monitorear modelos de aprendizaje automático (ML) rápidamente al reunir un amplio conjunto de capacidades diseñadas específicamente para ML. Este curso prepara a los científicos de datos experimentados para utilizar las herramientas que forman parte de SageMaker Studio con el fin de mejorar la productividad en cada etapa del ciclo de vida de ML.

Objetivo:

En este curso, aprenderás a:

  • Acelerar la preparación, construcción, entrenamiento, despliegue y monitoreo de soluciones de ML utilizando Amazon SageMaker Studio.

Temario:

Módulo 1: Configuración y Navegación de Amazon SageMaker

Módulo 2: Procesamiento de Datos

Módulo 3: Desarrollo de Modelos

Módulo 4: Implementación e Inferencia

Módulo 5: Monitoreo

¿Por qué hacer el curso con It Institute?

Somos AWS Training Partner y todos nuestros formadores están certificados por AWS. Además, el contenido de este curso se imparte en español.

Curso avalado por:

Próximas Fechas

[tribe_event_inline id=""] {thumbnail} {title:linked} Time: {start_date} @ {start_time} – {end_date} @ {end_time} [/tribe_event_inline]

Inscríbete aquí