Du bringst Machine-Learning-Workloads auf AWS in den Betrieb. Der Kurs richtet sich an Data Scientists und ML-Engineers. Du bereitest Daten in S3 und Glue auf, trainierst und bewertest Modelle mit Amazon SageMaker AI, stellst sie bereit, überwachst Qualität und Drift und dokumentierst einen wiederholbaren Ablauf. Die Themen orientieren sich am Machine Learning Engineer Associate (MLA-C01); die Prüfung legst du separat bei AWS ab.
Das nimmst du mit.
- Wichtige Konzepte und Komponenten von AWS im passenden Einsatzkontext erklären.
- Eine typische Aufgabe strukturiert und mit geeigneten Werkzeugen bearbeiten.
- Ergebnisse, Risiken und sinnvolle nächste Schritte nachvollziehbar festhalten.
Dein Training im Detail
- Für wen?
- Daten-, Analyse-, Entwicklungs- und Betriebsteams, die Datenprodukte oder Datenbanken zuverlässig einsetzen.
- Was bringst du mit?
- Grundlegende IT-Kenntnisse sowie erste praktische Berührung mit dem Themenfeld. Spezifische Voraussetzungen hängen vom gewünschten Lernziel ab.
- Umfang & Planung
- Richtwert: 2 bis 4 Lerntage, abhängig von Vorkenntnissen, gewünschter Tiefe und möglichem Praxisanteil. Dauer wird erst nach Bedarfsklärung festgelegt.
Agenda: vom Verständnis zur Anwendung
Unser eigenständig entwickelter Agenda-Vorschlag. Schwerpunkte, Übungsumgebung und Umfang stimmen wir vor einer Buchung ab.
Datenfrage, Quellen und Qualitätskriterien festlegen: Machine Learning Workloads auf AWS
Datenmodell, Speicherung und Zugriffswege entwerfen: Machine Learning Workloads auf AWS
Daten aufbereiten, abfragen oder verarbeiten: Machine Learning Workloads auf AWS
Qualität, Leistung, Sicherheit und Nachvollziehbarkeit prüfen: Machine Learning Workloads auf AWS
Ergebnis erklären und einen wiederholbaren Arbeitsablauf dokumentieren: Machine Learning Workloads auf AWS
Praxisübung: ein abgegrenztes Szenario aus dem Bereich „Machine Learning Workloads auf AWS“ analysieren, eine geeignete Lösung umsetzen oder skizzieren und Entscheidungen samt Grenzen dokumentieren.
Prüfung, Lizenzen & Nachweise
Dieses Thema ist keine Zusage zu einer offiziellen Schulung, Prüfungsvorbereitung, Prüfungszulassung, Zertifizierung oder einem Anbieterstatus. Zertifizierungen und Prüfungsanforderungen sind direkt beim jeweiligen Anbieter zu prüfen.
Herstellerquellen & fachlicher Stand
Quellen geprüft am 2026-09-29. Die Quellen beschreiben die Technologie bzw. externe Prüfungsanforderungen. Sie belegen keine Partnerschaft mit NextNowa.
Dein Lerninhalt
Die genannten Inhalte beschreiben das gewünschte Schulungsthema. Konkreten Lehrplan, Dauer, Termine, Trainer und Preis stimmen wir vor einer Buchung ab.
Als Inhouse-Schulung für dein Team
Du kannst „Machine Learning Workloads auf AWS“ als Firmenschulung nur für dein Team anfragen: live online oder nach Absprache bei euch vor Ort in Deutschland. Inhalte, Beispiele und Umfang richten sich nach den Aufgaben deines Teams. Termin und Gesamtpreis stehen im Angebot.
So läuft eine Firmenschulung ab
Häufige Fragen
Für wen eignet sich Machine Learning Workloads auf AWS?
Daten-, Analyse-, Entwicklungs- und Betriebsteams, die Datenprodukte oder Datenbanken zuverlässig einsetzen.
Welche Vorkenntnisse brauche ich für Machine Learning Workloads auf AWS?
Grundlegende IT-Kenntnisse sowie erste praktische Berührung mit dem Themenfeld. Spezifische Voraussetzungen hängen vom gewünschten Lernziel ab.
Wie lange dauert Machine Learning Workloads auf AWS?
Richtwert: 2 bis 4 Lerntage, abhängig von Vorkenntnissen, gewünschter Tiefe und möglichem Praxisanteil. Dauer wird erst nach Bedarfsklärung festgelegt.
Erhalte ich bei Machine Learning Workloads auf AWS ein Zertifikat?
Dieses Thema ist keine Zusage zu einer offiziellen Schulung, Prüfungsvorbereitung, Prüfungszulassung, Zertifizierung oder einem Anbieterstatus. Zertifizierungen und Prüfungsanforderungen sind direkt beim jeweiligen Anbieter zu prüfen.
