آموزش یادگیری ماشین با SageMaker از Pearson - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• یادگیری ماشین با SageMaker: مقدمه Machine learning with SageMaker: Introduction

1. مبانی جذب و ذخیره‌سازی داده‌ها 1. Data Ingestion and Storage Basics

• معرفی ماژول Module introduction

• اهداف آموزشی Learning objectives

• جذب داده‌ها با Amazon S3 و SageMaker Data Wrangler Ingesting data with Amazon S3 and SageMaker Data Wrangler

• بهینه‌سازی ذخیره‌سازی و انتقال داده‌ها در AWS Data storage optimization and transfer in AWS

• مرور کلی دوره Course overview

• دموی جذب داده‌ها Data ingestion demonstration

• مروری بر فرمت‌های رایج داده‌ها Overview of common data formats

2. تبدیل داده‌ها و مهندسی ویژگی با SageMaker 2. Data Transformation and Feature Engineering with SageMaker

• مدیریت مقادیر گم‌شده و داده‌های پرت (Outliers) Handling missing values and outliers

• دموی پیش‌پردازش داده‌ها Data preprocessing demonstration

• اهداف آموزشی Learning objectives

• تکنیک‌های مقیاس‌بندی ویژگی‌ها و کدگذاری Feature scaling and encoding techniques

• پاک‌سازی و پیش‌پردازش داده‌ها با SageMaker Data Wrangler Data cleaning and preprocessing with SageMaker Data Wrangler

3. آماده‌سازی داده‌ها برای مدل‌سازی 3. Preparing Data for Modeling

• پیکربندی داده‌ها برای عملیات آموزش SageMaker Configuring data for SageMaker training jobs

• اعتبارسنجی کیفیت داده‌ها با ابزارهای AWS Validating data quality with AWS tools

• مدیریت SageMaker Feature Store Managing SageMaker Feature Store

• اهداف آموزشی Learning objectives

• دموی SageMaker Feature Store SageMaker Feature Store demonstration

4. انتخاب و آموزش مدل‌ها در SageMaker 4. Choosing and Training Models in SageMaker

• اهداف آموزشی Learning objectives

• جلوگیری از بیش‌برازش (Overfitting) و کم‌برازش (Underfitting) Preventing overfitting and underfitting

• دموی تنظیم هایپرپارامترها Hyperparameter tuning demonstration

• مروری بر الگوریتم‌های داخلی SageMaker و مدل‌های JumpStart Overview of SageMaker built-in algorithms and JumpStart models

• دموی آموزش در SageMaker SageMaker training demonstration

• معرفی ماژول Module introduction

• دموی بیش‌برازش و کم‌برازش مدل Model over/underfitting demonstration

• تنظیم هایپرپارامترها با سیستم تنظیم خودکار مدل SageMaker Hyperparameter tuning with SageMaker automatic model tuning

• راه‌اندازی و اجرای عملیات آموزش SageMaker Setting up and running SageMaker training jobs

• دموی الگوریتم‌های SageMaker SageMaker algorithms demonstration

5. ارزیابی مدل و تشخیص سوگیری (Bias) 5. Model Evaluation and Bias Detection

• دموی ثبت مدل (Model Registry) Model registry demonstration

• معیارهای ارزیابی مدل: دقت (Accuracy)، صحت (Precision) و فراخوانی (Recall) Model evaluation metrics: Accuracy, precision, and recall

• استفاده از SageMaker Clarify برای تشخیص سوگیری و تفسیرپذیری Using SageMaker Clarify for bias detection and interpretability

• اهداف آموزشی Learning objectives

• دموی تست A/B مدل Model A/B testing demonstration

• مقایسه عملکرد مدل‌ها با استفاده از تست A/B Comparing model performance using A/B testing

• مدیریت نسخه‌های مدل با SageMaker Model Registry Managing model versions with SageMaker Model Registry

6. استقرار مدل‌ها با SageMaker 6. Deploying Models with SageMaker

• استنتاج آنی (Real-time Inference) با نقاط اتصال SageMaker Real-time inference with SageMaker endpoints

• دموی استقرار لبه‌ای (Edge Deployment) در SageMaker SageMaker edge deployment demonstration

• استفاده از SageMaker Neo برای استقرار لبه‌ای Using SageMaker Neo for edge deployment

• معرفی ماژول Module introduction

• استنتاج دسته‌ای (Batch) و استنتاج ناهمگام (Asynchronous) Batch inference and asynchronous inference

• اهداف آموزشی Learning objectives

• دموی استنتاج آنی Real-time inference demonstration

• دموی استنتاج دسته‌ای و ناهمگام Batch and asynchronous inference demonstration

7. اتوماسیون گردش‌های کاری ML با SageMaker Pipelines 7. Automating ML Workflows with SageMaker Pipelines

• دموی آموزش و پردازش داده‌ها در SageMaker Pipelines Training and data processing in SageMaker pipelines demonstration

• ساخت و اتوماسیون خط لوله‌های ML در SageMaker Building and automating ML pipelines in SageMaker

• اهداف آموزشی Learning objectives

• فعال‌سازی خط لوله‌ها با EventBridge برای بازآموزی Triggering pipelines with EventBridge for retraining

• دموی فعال‌سازی SageMaker Pipelines از طریق EventBridge Triggering SageMaker pipelines via EventBridge demonstration

• دموی خط لوله SageMaker SageMaker pipeline demonstration

• یکپارچه‌سازی مراحل پردازش داده‌ها و آموزش Integrating data processing and training steps

8. نظارت و بهینه‌سازی راهکارهای ML 8. Monitoring and Optimizing ML Solutions

• دموی مقیاس‌پذیری خودکار (Auto Scaling) در SageMaker SageMaker auto scaling demonstration

• تنظیم هشدارها و داشبوردهای CloudWatch Setting up alerts and CloudWatch dashboards

• دموی SageMaker Model Monitor SageMaker Model Monitor demonstration

• معرفی ماژول Module introduction

• اهداف آموزشی Learning objectives

• استفاده از SageMaker Model Monitor برای بررسی تغییر توزیع داده‌ها (Data Drift) و کیفیت Using SageMaker Model Monitor for data drift and quality

• بهینه‌سازی هزینه‌ها با Auto Scaling و طرح‌های تخفیفی SageMaker Cost optimization with auto-scaling and SageMaker Savings Plans

9. ایمن‌سازی مدل‌ها و داده‌های ML در SageMaker 9. Securing ML Models and Data in SageMaker

• نقش‌های IAM و مجوزهای دسترسی برای SageMaker IAM roles and permissions for SageMaker

• دموی VPC VPC demonstration

• پیکربندی‌های VPC برای استقرار امن نقاط اتصال VPC configurations for secure endpoint deployment

• دموی IAM IAM demonstration

• اهداف آموزشی Learning objectives

جمع‌بندی Summary

• جمع‌بندی یادگیری ماشین با SageMaker Machine learning with SageMaker summary