لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری عمیق با استفاده از TensorFlow و Apache MXNet در Amazon Sagemaker
Deep Learning Using TensorFlow and Apache MXNet on Amazon Sagemaker
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره مقدمه ای عمیق برای SageMaker و پشتیبانی آن برای آموزش و استقرار مدل های یادگیری ماشین در یک محیط توزیع شده است. SageMaker یک پلت فرم یادگیری ماشینی (ML) کاملاً مدیریت شده در AWS است که نمونه سازی، ساخت، آموزش و میزبانی را انجام می دهد. مدل های ML در واقع بسیار ساده هستند. در این دوره آموزشی، Deep Learning با استفاده از TensorFlow و Apache MXNet در Amazon SageMaker، نحوه استفاده از الگوریتمهای داخلی مانند یادگیرنده خطی و PCA که در کانتینرهای SageMaker میزبانی میشوند، به شما نشان داده میشود. تنها کدی که باید بنویسید این است که داده های خود را آماده کنید. سپس 3 روش مختلف را مشاهده خواهید کرد که در آن مدل سفارشی خود را در SageMaker میسازید. شما مدل از پیش آموزش دیده خود را می آورید و آن را در اولین ظروف مهمانی SageMaker میزبانی می کنید. سپس روی ساخت مدل خود با استفاده از Apache MXNet کار خواهید کرد و در نهایت یک کانتینر سفارشی برای آموزش در SageMaker به ارمغان خواهید آورد. پس از اتمام این دوره، همچنین میدانید که چگونه میتوانید به سایر سرویسهای AWS مانند S3 و Redshift متصل شوید تا به دادههای آموزشی خود دسترسی داشته باشید، آموزش را به صورت توزیعشده اجرا کنید و مدلهای خود را بهطور خودکار مقیاسبندی کنید.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
یادگیری ماشین در ابر با AWS SageMaker
Machine Learning on the Cloud with AWS SageMaker
نمای کلی ماژول
Module Overview
پیش نیازها و رئوس مطالب دوره
Prerequisites and Course Outline
SageMaker را معرفی می کنیم
Introducing SageMaker
آموزش مدل در SageMaker
Training a Model on SageMaker
استقرار یک مدل در SageMaker
Deploying a Model on SageMaker
نسخه ی نمایشی: راه اندازی یک نمونه نوت بوک در SageMaker
Demo: Setting up a Notebook Instance on SageMaker
نسخه ی نمایشی: راه اندازی S3 Bucket
Demo: Setting up an S3 Bucket
استفاده از الگوریتم های داخلی در SageMaker
Using Built-in Algorithms in SageMaker
نمای کلی ماژول
Module Overview
الگوریتم های داخلی
Built-in Algorithms
شهود: رگرسیون خطی و لجستیک
Intuition: Linear and Logistic Regression
استفاده از الگوریتم های داخلی: مراحل
Using Built-in Algorithms: Steps
نسخه ی نمایشی: یادگیرنده خطی - آماده سازی داده ها
Demo: Linear Learner - Data Preparation
نسخه ی نمایشی: یادگیرنده خطی - آموزش
Demo: Linear Learner - Training
نسخه ی نمایشی: یادگیرنده خطی - استقرار و استنتاج
Demo: Linear Learner - Deployment and Inference
تجزیه و تحلیل اجزای اصلی: شهود
Principal Components Analysis: Intuition
نسخه ی نمایشی: تجزیه و تحلیل اجزای اصلی - آماده سازی داده ها
Demo: Principal Components Analysis - Data Preparation
نسخه ی نمایشی: تجزیه و تحلیل اجزای اصلی - آموزش، استقرار و استنتاج
Demo: Principal Components Analysis - Training, Deployment, and Inference
استفاده از کد سفارشی، مدلها و کانتینرها در SageMaker
Using Custom Code, Models, and Containers in SageMaker
نمای کلی ماژول
Module Overview
کد خود را بیاورید: Apache MXNet
Bring Your Own Code: Apache MXNet
نسخه ی نمایشی: کد خود را بیاورید - آموزش
Demo: Bring Your Own Code - Training
نسخه ی نمایشی: کد خود را بیاورید - استقرار و استنتاج
Demo: Bring Your Own Code - Deployment and Inference
مدل خود را بیاورید: مراحل
Bring Your Own Model: Steps
نسخه ی نمایشی: مدل خود را بیاورید - ذخیره مصنوعات مدل
Demo: Bring Your Own Model - Saving Model Artifacts
نسخه ی نمایشی: مدل خود را بیاورید - استقرار، پیکربندی نقطه پایانی و نقاط پایانی
Demo: Bring Your Own Model - Deployment, Endpoint Configuration, and Endpoints
نسخه ی نمایشی: مدل خود را بیاورید - استنتاج
Demo: Bring Your Own Model - Inference
نسخه ی نمایشی: ایجاد یک Redshift Cluster
Demo: Creating a Redshift Cluster
نسخه ی نمایشی: اتصال به Redshift از یک نمونه نوت بوک
Demo: Connecting to Redshift from a Notebook Instance
Janani Ravi یک معمار و مهندس داده خبره Google cloud است.
جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.
نمایش نظرات