Kurumsal Eğitimler
Workshop Takvimi
AWS Üzerinde Makine Öğrenimi Mühendisliği Yeni Dönem
Bulutta Akıllı Çözümler Geliştirin
AWS ekosisteminde makine öğrenimi modelleri tasarlayın
Modellerin dağıtımı ve izleme süreçlerini AWS araçlarıyla etkin şekilde yönetin
Gerçek dünya projeleri üzerinden, güvenilir ve optimize edilmiş çözümler geliştirin
KURUMSAL TEKLİF ALIN
*
*
*
*
*
*
*
EĞİTİM DETAYLARI
Kalan Kontenjan 13 / 25
29 EYLÜL 2025
Pzt & Çar & Per 19:00 / 22:00
36 Saat

Uzaktan Eğitim

Canlı Sınıf

KAYIT VE ÖDEME DETAYLARI
Program Ücreti
14400.00 + %10 KDV
GROWTH Üye Ücreti - GROWTH Üye Ol
14400.00 + %10 KDV
Program Ücreti
14400.00 + %10 KDV
GROWTH Üye Ücreti GROWTH Üye Ol
14400.00 + %10 KDV
Program Ücreti
14400.00 + %10 KDV
GROWTH Üye Ücreti GROWTH Üye Ol
14400.00 + %10 KDV
Program Ücreti
14400.00 + %10 KDV
GROWTH Üye Ücreti GROWTH Üye Ol
14400.00 + %10 KDV

Tüm sorularınız için : 444 1 476 veya info@mindset.com.tr

DÖNEM
TARİH
GÜNLER
SÜRE
KONTENJAN
NAKİT FİYATI
KREDİ KARTI
Yeni Dönem
29.09.2025
Pzt & Çar & Per 19:00 / 22:00
36
25 / 13
14400.00 TL + KDV 14400.00 TL + KDV
Yeni Dönem
25.10.2025
Cmt & Paz 10:00 / 17:00
36
25 / 11
14400.00 TL + KDV 14400.00 TL + KDV
Yeni Dönem
24.11.2025
Pzt & Çar & Per 19:00 / 22:00
36
25 / 10
14400.00 TL + KDV 14400.00 TL + KDV
Yeni Dönem
27.12.2025
Cmt & Paz 10:00 / 17:00
36
25 / 7
14400.00 TL + KDV 14400.00 TL + KDV

AWS Üzerinde Makine Öğrenimi Mühendisliği Yeni Dönem

444 1 476
EĞİTİM İÇERİĞİ

Genel Bilgi

Bulut teknolojileri, makine öğrenimi projelerinin ölçeklenebilirliğini ve etkinliğini artırıyor. AWS platformunda makine öğrenimi mühendisliği eğitimi ile, gerçek dünya problemlerini çözmek için gerekli olan model geliştirme, dağıtım ve yönetim becerilerini kazanacaksınız.

Bu eğitim, AWS’nin güçlü araçlarını kullanarak, makine öğrenimi modellerinizi üretime hazır hale getirmek isteyen mühendisler için tasarlanmıştır. Uygulamalı örnekler ve canlı demo ile öğrendiklerinizi hemen pratiğe dökme fırsatı yakalayacaksınız.

Genel Bilgi
AWS’de Makine Öğrenimine (ML) Giriş
  • Makine öğrenmeye genel bakış
  • Amazon SageMaker AI tanıtımı
  • Sorumlu Makine Öğrenimi (Responsible ML) 
Makine Öğrenimi Zorluklarının Analizi
  • ML iş problemlerinin değerlendirilmesi
  • ML eğitim yaklaşımları
  • ML eğitim algoritmaları 
Makine Öğrenimi için Veri İşleme
  • Veri hazırlama ve veri türleri
  • Keşifsel veri analizi
  • AWS depolama seçenekleri ve uygun depolamanın seçimi 
Veri Dönüşümü ve Özellik Mühendisliği
  • Hatalı, çoğaltılmış ve eksik verilerin yönetimi
  • Özellik mühendisliği kavramları
  • Özellik seçimi teknikleri
  • AWS veri dönüşüm servisleri
  • Amazon SageMaker Data Wrangler ve Amazon EMR ile veri analizi ve hazırlığı
  • SageMaker Processing ve SageMaker Python SDK kullanarak veri işleme
Modelleme Yaklaşımı Seçimi
  • Amazon SageMaker AI yerleşik algoritmaları
  • Yerleşik eğitim algoritmalarının seçimi
  • Amazon SageMaker Autopilot kullanımı
  • Model seçimi kriterleri
  • ML maliyet değerlendirmeleri 
Makine Öğrenimi Modellerinin Eğitimi
  • Model eğitimi kavramları
  • Amazon SageMaker AI ile model eğitimi
Makine Öğrenimi Modellerini Değerlendirme ve Ayarlama
  • Model performansını değerlendirme
  • Eğitim süresini kısaltma teknikleri
  • Hiperparametre ayarlama teknikleri
  • Amazon SageMaker AI ile model ayarlama ve hiperparametre optimizasyonu
Model Yaygınlaştırma Stratejileri
  • Yaygınlaştırma kriterleri ve hedef seçenekleri
  • Yaygınlaştırma stratejileri
  • Model çıkarım stratejisi seçimi
  • Çıkarım için konteyner ve örnek türleri
AWS Makine Öğrenimi Kaynaklarının Güvenliği
  • Erişim kontrolü
  • ML kaynakları için ağ erişim kontrolleri
  • CI/CD süreçlerinde güvenlik
MLOps ve Otomatik Yaygınlaştırma
  • MLOps’a giriş
  • CI/CD hatlarında test otomasyonu
  • Sürekli teslimat servisleri
  • Amazon SageMaker Pipelines ve Model Registry kullanımı
Model Performansı ve Veri Kalitesinin İzlenmesi
  • ML modellerinde sapma (drift) tespiti
  • SageMaker Model Monitor kullanımı
  • Veri ve model kalitesinin izlenmesi
  • Otomatik müdahale ve hata giderme
  • Veri sapması için model izleme 
Genel Bilgi

Bulut teknolojileri, makine öğrenimi projelerinin ölçeklenebilirliğini ve etkinliğini artırıyor. AWS platformunda makine öğrenimi mühendisliği eğitimi ile, gerçek dünya problemlerini çözmek için gerekli olan model geliştirme, dağıtım ve yönetim becerilerini kazanacaksınız.

Bu eğitim, AWS’nin güçlü araçlarını kullanarak, makine öğrenimi modellerinizi üretime hazır hale getirmek isteyen mühendisler için tasarlanmıştır. Uygulamalı örnekler ve canlı demo ile öğrendiklerinizi hemen pratiğe dökme fırsatı yakalayacaksınız.

AWS’de Makine Öğrenimine (ML) Giriş
  • Makine öğrenmeye genel bakış
  • Amazon SageMaker AI tanıtımı
  • Sorumlu Makine Öğrenimi (Responsible ML) 
Makine Öğrenimi Zorluklarının Analizi
  • ML iş problemlerinin değerlendirilmesi
  • ML eğitim yaklaşımları
  • ML eğitim algoritmaları 
Makine Öğrenimi için Veri İşleme
  • Veri hazırlama ve veri türleri
  • Keşifsel veri analizi
  • AWS depolama seçenekleri ve uygun depolamanın seçimi 
Veri Dönüşümü ve Özellik Mühendisliği
  • Hatalı, çoğaltılmış ve eksik verilerin yönetimi
  • Özellik mühendisliği kavramları
  • Özellik seçimi teknikleri
  • AWS veri dönüşüm servisleri
  • Amazon SageMaker Data Wrangler ve Amazon EMR ile veri analizi ve hazırlığı
  • SageMaker Processing ve SageMaker Python SDK kullanarak veri işleme
Modelleme Yaklaşımı Seçimi
  • Amazon SageMaker AI yerleşik algoritmaları
  • Yerleşik eğitim algoritmalarının seçimi
  • Amazon SageMaker Autopilot kullanımı
  • Model seçimi kriterleri
  • ML maliyet değerlendirmeleri 
Makine Öğrenimi Modellerinin Eğitimi
  • Model eğitimi kavramları
  • Amazon SageMaker AI ile model eğitimi
Makine Öğrenimi Modellerini Değerlendirme ve Ayarlama
  • Model performansını değerlendirme
  • Eğitim süresini kısaltma teknikleri
  • Hiperparametre ayarlama teknikleri
  • Amazon SageMaker AI ile model ayarlama ve hiperparametre optimizasyonu
Model Yaygınlaştırma Stratejileri
  • Yaygınlaştırma kriterleri ve hedef seçenekleri
  • Yaygınlaştırma stratejileri
  • Model çıkarım stratejisi seçimi
  • Çıkarım için konteyner ve örnek türleri
AWS Makine Öğrenimi Kaynaklarının Güvenliği
  • Erişim kontrolü
  • ML kaynakları için ağ erişim kontrolleri
  • CI/CD süreçlerinde güvenlik
MLOps ve Otomatik Yaygınlaştırma
  • MLOps’a giriş
  • CI/CD hatlarında test otomasyonu
  • Sürekli teslimat servisleri
  • Amazon SageMaker Pipelines ve Model Registry kullanımı
Model Performansı ve Veri Kalitesinin İzlenmesi
  • ML modellerinde sapma (drift) tespiti
  • SageMaker Model Monitor kullanımı
  • Veri ve model kalitesinin izlenmesi
  • Otomatik müdahale ve hata giderme
  • Veri sapması için model izleme 
KAYIT ve ÖDEME

KAYIT ve ÖDEME

Bilgi ve Kayıt için lütfen form bilgilerini eksiksiz doldurun. En kısa zamanda size dönüş yapıp gerekli işlemlerle ilgili olarak bilgi verilecektir.

Ödeme Seçenekleri:

Kredi Kartıyla Peşin Ödeme

Kredi Kartına Taksitli Ödeme ( Online / Bonus – Maximum – Paraf – World )

EFT / Havale ile ödeme.

KURUMSAL BAŞVURU
Bu eğitimi kurumsal olarak planla ve uygula Mindset Institute kalitesi ve denetimi altında takımın veya şirketin için eğitim planla. Yeni beceriler kazanmanıza, çalışanlarınızın gelişimini yönetmenize ve işgücünüzü eğitmenize nasıl yardımcı olabiliriz?
SONRAKİ DÖNEMLER

SONRAKİ DÖNEMLER

Eğitim bütçenizi ve diğer detayları düzenlemek için diğer dönemlerin bilgisine ihtiyaç duyabileceğinizi düşündüğümüzden dolayı bu bilgileri sizinle paylaşıyoruz. Aşağıda sonraki dönemlerin başlangıç tarihlerini görebilirisiniz.
Yeni Dönem
29 EYLÜL 2025
AWS Üzerinde Makine Öğrenimi Mühendisliği
Kontenjan : 25 / 13
Yeni Dönem
25 EKİM 2025
AWS Üzerinde Makine Öğrenimi Mühendisliği
Kontenjan : 25 / 11
Yeni Dönem
24 KASIM 2025
AWS Üzerinde Makine Öğrenimi Mühendisliği
Kontenjan : 25 / 10
Yeni Dönem
27 ARALIK 2025
AWS Üzerinde Makine Öğrenimi Mühendisliği
Kontenjan : 25 / 7