Low-Code Machine Learning on AWS (Indonesian)

Dengan Amazon SageMaker Data Wrangler dan Amazon SageMaker Autopilot, analis data dan riset dapat menyiapkan data, melatih, dan men-deploy model machine learning (ML) dengan pengodean yang minim. Anda akan belajar membangun model ML untuk data dalam tabel dan deret waktu tanpa perlu pengetahuan yang lebih mendalam mengenai ML. Anda juga akan meninjau praktik terbaik terkait penggunaan SageMaker Data Wrangler dan SageMaker Autopilot. 

Setelah menyelesaikan kursus ini, Anda akan dapat membangun model ML untuk mendukung proof of concept (POC). Anda juga dapat membantu data scientist dengan kandidat model ML yang potensial untuk memecahkan masalah bisnis.

• Tingkat kursus: Menengah
• Durasi: 4 jam

Aktivitas

Kursus ini mencakup interaksi Pembelajaran Elektronik dan tes pengetahuan.

Tujuan kursus

Dalam kursus ini, Anda akan belajar:

• Menjelaskan konsep dan fase siklus hidup ML
• Menjelaskan metrik yang digunakan untuk mengevaluasi kandidat model
• Menggunakan SageMaker Data Wrangler untuk menyiapkan data dalam tabel dan deret waktu untuk melatih model ML. 
• Menggunakan SageMaker Autopilot untuk membangun model ML secara otomatis dan mengidentifikasi model terbaik dari daftar kandidat model berdasarkan metrik tujuan Anda.  
• Menjelaskan praktik terbaik terkait penggunaan SageMaker Data Wrangler dan SageMaker Autopilot

Target audiens

Kursus ini ditujukan untuk:

• Analis data
• Para peneliti dari domain non-ML
• Analis penelitian operasi
• Data scientist junior

Prasyarat

Peserta kursus disarankan telah memiliki:

• Pengalaman dalam analisis, pembersihan, dan transformasi data dalam tabel atau deret waktu  
• Pemahaman dasar mengenai ukuran statistik dan regresi
• AWS Technical Essentials

Skema kursus

Modul 1: Pengantar Machine Learning

Pengantar ML

• Dasar-dasar ML
• Masalah yang Dapat Diselesaikan ML
• Siklus Hidup ML
• Tantangan dalam Memproses Data dan Mendapatkan Wawasan
• Tes Pengetahuan

Pembuatan Model dan Metrik Evaluasi

• Pengantar Pembuatan Model
• Menerapkan Metrik Evaluasi untuk Memilih Model
• Membangun Model ML

Penutup

• Tes Pengetahuan
• Kesimpulan

Modul 2: Analisis Data Eksplorasi dan Persiapan Data

Pengantar SageMaker Data Wrangler

• SageMaker Data Wrangler
• Analisis Data

Penyiapan Data

• Model Cepat
• Transformasi Data
• Pengembangan dan Penskalaan Transformasi Data

Penutup

• Tes Pengetahuan
• Kesimpulan

Modul 3: Mendalami Amazon SageMaker Autopilot

• Pengantar SageMaker Autopilot
• Set Data, Tipe Masalah, dan Mode Pelatihan
• Validasi dan Metrik
• Pen-deploy-an Model secara Otomatis

Penutup

• Tes Pengetahuan
• Kesimpulan

Modul 4: Praktik Terbaik Operasional

Praktik Terbaik untuk SageMaker Data Wrangler

• Optimisasi Lingkungan
• Optimisasi Biaya
• Optimisasi Data
• Optimisasi Keamanan

Praktik Terbaik untuk SageMaker Autopilot

• Praktik Terbaik dan Rekomendasi

Penutup

• Tes Pengetahuan
• Kesimpulan