Model Online/Fiziksel
Süre
Modüller 5 modül

Eğitimin Amacı ve Kapsamı

AWS kullanan kurumlarda veri S3, Redshift veya Glue kataloglarında dururken modelleri ayrı sunucularda el yordamıyla yönetmek hem güvenlik hem de operasyonel maliyet yaratır. Bu eğitim, Amazon SageMaker AI ekosistemini yalnızca bir notebook ortamı olarak değil, uçtan uca yönetilen bir kurumsal MLOps platformu olarak kullanmayı öğretir.

SageMaker Python SDK ile Processing ve Managed Spot Training işleri, kendi özel Docker container'ınızı (BYOC) çalıştırma, SageMaker Pipelines ve Model Registry ile CI/CD kurulumu, Real-Time / Serverless / Asynchronous / Multi-Model uç noktaları ve VPC/IAM/KMS güvenlik mimarisi uygulamalı olarak işlenir. Katılımcılar AWS üzerinde kendi kurumsal güvenlik kısıtlarına uygun çalışan bir SageMaker MLOps pipeline'ı tasarlar.

Kimler Katılmalı?

  • AWS bulut altyapısı üzerinde model geliştiren ve dağıtan veri bilimciler ile MLOps mühendisleri
  • Kurumsal yapay zeka iş yüklerini AWS'e taşıyan bulut mimarları ve DevOps uzmanları
  • SageMaker maliyetlerini ve güvenlik mimarisini optimize etmek isteyen platform ekipleri
  • Ön koşul: Python ve temel AWS servisleri (S3, IAM, ECR) bilgisi

Kazanımlar

  • SageMaker Processing ve Training Jobs ile sadece iş süresince çalışan (ephemeral) ve Spot indirimli eğitimler koşturmak
  • Hazır Estimator'ların yetmediği durumlarda özel Docker imajlarını (Bring Your Own Container) ECR üzerinden SageMaker'a entegre etmek
  • SageMaker Pipelines ile veri hazırlama, eğitim, değerlendirme ve koşullu Model Registry kaydını DAG olarak otomatikleştirmek
  • Trafik profiline göre Real-Time, Serverless, Asynchronous ve Batch Transform çıkarım modları arasında doğru seçimi yapmak
  • SageMaker Model Monitor, VPC-only mod, en az yetki (least-privilege) IAM rolleri ve KMS şifreleme ile kurumsal uyumu sağlamak

Konular

SageMaker Mimarisi, Veri Akışı ve BYOC Container Yapısı
  • SageMaker Studio, S3 veri kanalları (FastFile / Pipe mode) ve geçici (ephemeral) hesaplama kümeleri
  • Pre-built DLC imajları, Script Mode ve ECR ile Bring Your Own Container (BYOC) dizin sözleşmesi (/opt/ml)
Dağıtık Eğitim, Managed Spot Training ve HPO
  • SageMaker Training Jobs ile çoklu GPU/node eğitimi, checkpoint S3 senkronizasyonu ve Spot kesinti yönetimi
  • SageMaker Automatic Model Tuning (AMT) ve MLflow Tracking Server on SageMaker entegrasyonu
SageMaker Pipelines ve Model Registry ile MLOps Otomasyonu
  • ProcessingStep, TrainingStep, ClarifyCheckStep ve ConditionStep ile uçtan uca pipeline tanımlama
  • SageMaker Model Package Groups (Registry), onay durumları ve EventBridge + CodePipeline ile otomatik dağıtım
Esnek Çıkarım (Inference) Seçenekleri ve Maliyet Optimizasyonu
  • Real-Time Endpoints, Serverless Inference, Asynchronous Inference (büyük yükler) ve Batch Transform karşılaştırması
  • Multi-Model Endpoints (MME) ve Inference Components ile tek GPU/instance üzerinde onlarca modeli barındırma
Model Monitor, Güvenlik (VPC/IAM) ve FinOps
  • Data Capture açma, SageMaker Model Monitor ile veri/kalite sapması yakalama ve CloudWatch alarmları
  • İnternete kapalı VPC (PrivateLink) kurulumu, KMS şifreleme, IAM Execution Role sınırları ve maliyet etiketleme

Bu Kategorideki Diğer Eğitimler

  • Üretimde Model İzleme ve Gözlemlenebilirlik (ML Observability)

    OpenTelemetry, Prometheus ve Grafana ile sistem ve model telemetrisi, tahmin loglama, gecikmeli gerçek etiket (ground truth) eşleştirme, canlı doğruluk takibi ve olay müdahalesi; MLOps ve SRE ekipleri için.

    MLOps ve Yapay Zeka Platform Mühendisliği Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Veri ve Model Sapması (Drift) Tespiti ve Sürekli Uyarlama

    Covariate shift, prior probability shift ve concept drift matematiği; PSI, KS, Wasserstein ve MMD testleri; Evidently/NannyML ile etiketsiz performans tahmini ve yeniden eğitim stratejileri; veri bilimciler ve MLOps ekipleri için.

    MLOps ve Yapay Zeka Platform Mühendisliği Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Feature Store Mimarileri ve Özellik Mühendisliği Platformları

    Training-serving skew ve veri sızıntısını (data leakage) önleyen Feature Store mimarisi; Feast ile offline (Parquet/Snowflake/BigQuery) ve online (Redis) mağaza kurulumu, point-in-time join ve streaming özellikler; veri ve MLOps ekipleri için.

    MLOps ve Yapay Zeka Platform Mühendisliği Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Sorumlu ve Güvenli Model Dağıtımı (Responsible ML Deployment)

    Üretim öncesi adillik (Fairlearn), açıklanabilirlik (SHAP), olasılık kalibrasyonu, belirsizlik tahmini (Conformal Prediction), guardrail'ler, kademeli dağıtım ve acil durdurma (kill-switch) mekanizmaları; ML ve risk ekipleri için.

    MLOps ve Yapay Zeka Platform Mühendisliği Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Kurumsal Yapay Zeka Platform Mimarisi ve Platform Mühendisliği

    Klasik ML ve GenAI/LLM iş yüklerini birleştiren kurumsal AI platformu tasarımı: hesaplama/GPU orkestrasyonu, veri ve model katmanı, AI Gateway, çoklu kiracı (multi-tenancy) izolasyonu ve referans mimari; mimarlar ve platform liderleri için.

    MLOps ve Yapay Zeka Platform Mühendisliği Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Self-Service Yapay Zeka Platformu ve Geliştirici Deneyimi (Golden Paths)

    Veri bilimciler ve AI mühendisleri için Internal Developer Platform (IDP) tasarımı: Backstage şablonları, isteğe bağlı notebook/GPU ortamları, Golden Path pipeline'lar ve self-service model dağıtımı; platform ekipleri için.

    MLOps ve Yapay Zeka Platform Mühendisliği Kurumsal
    Canlı Kurs
    5 modül
    İncele

Bizimle iletişime geçin