AWS DeepRacer bietet eine interessante und unterhaltsame Möglichkeit, ins Reinforcement Learning (RL) einzusteigen. RL ist eine fortschrittliche Machine-Learning (ML)-Methode, die ganz anders als andere Machine-Learning-Methoden an Trainingsmodelle herangeht. Die besondere Stärke von RL besteht darin, dass es sehr komplexe Verhaltensweisen erlernt. Dabei werden praktische Tutorials kombiniert mit einer 3D-Rennsimulation eines autonom fahrenden Fahrzeugs.

Es geht in diesem spielerischen Einstieg darum, die unterschiedlichen Sensordaten so clever zu nutzen, um auf Basis von Machine-Learning-Algorithmen das autonom fahrende Fahrzeug ins Ziel zu steuern. Die Teams sind dazu virtuell miteinander vernetzt und tasten sich gemeinsam an die beste Lösung heran. Sportlicher Wettkampf soll die Teilnehmer motivieren, spielerisch das Gelernte anzuwenden. In einer Einführungsphase werden Sie schrittweise mit den wesentlichen Grundsachverhalten des Machine Learnings vertraut gemacht. Vorkenntnisse sind hilfreich, aber nicht erforderlich. Dieses Einstiegsszenario soll insbesondere neugierig machen auf Machine Learning.

Generell lernen Sie in diesem Kurs, wie Sie Ihre Modelle in der Cloud mit Amazon-EC2-basierten Deep Learning Amazon Machine Image (AMI) und Apache MXNet auf AWS-Frameworks ausführen. Sie setzen Amazon SageMaker ein und wenden Ihre Deep-Learning-Modelle mit AWS-Services wie AWS Lambda und Amazon Elastic Container Service (Amazon ECS) an – und das, während Sie auf AWS intelligente Systeme entwickeln. Die darauf aufbauenden Kursmodule führen schrittweise in das Thema Programmierung, Data Science und Machine Learning ein und schließen mit einem anerkannten Herstellerzertifikat ab.

Vorausgesetzt werden angemessene Deutschkenntnisse in Wort und Schrift (Niveau B2) sowie Englischkenntnisse in Wort und Schrift (Niveau B1). Grundlagen und Vorkenntnisse in der IT und Programmierung sind hilfreich. Allen Interessierten stehen wir in einem persönlichen Gespräch zur Abklärung ihrer individuellen Teilnahmevoraussetzungen zur Verfügung.