在本课程中，我们将携手全球 AI/ML 技术领导者 Denis Batalov 博士，他将向您展示如何使用 Amazon SageMaker 和 Amazon SageMaker Ground Truth 实施机器学习管道。首先您将创建一个带标签的数据集，然后创建一个训练作业来训练对象检测模型，最后使用 Amazon SageMaker 创建和更新模型。
目标受众
本课程面向：
- 希望使用 Sagemaker SDK 和 python 通过 Amazon SageMaker 创建机器学习管道的开发人员和数据科学家。
- 希望使用 Amazon SageMaker Ground Truth 创建自己的带标签数据集的开发人员和数据科学家。
课程目标
在本课程中，您将学习如何：
- 使用通过 Amazon SageMaker Ground Truth 标记的图像训练机器学习模型
- 使用 Amazon SageMaker Ground Truth 识别数据集中个别图像上蜜蜂的确切位置
- 使用 Amazon SageMaker 内置算法训练对象检测模型
- 使用自动超参数优化作业来查找最佳的超参数集
先决条件
我们建议符合以下前提条件的人员参加此课程：
- 具备 Amazon SageMaker 的基本知识 (https://aws.amazon.com/sagemaker/)
- 具备 python 编程语言以及 Pandas、NumPy、SageMaker 和 Boto3 等各种库的基本知识
授课方式
本课程将采用以下方式授课：
- 数字化培训
持续时间
70 分钟
课程大纲
本课程涉及以下概念：
- 下载数据
- 运行标记作业
- 训练模型
- 部署模型
- 超参数/自动模型优化
- 检查超级参数优化结果
- 替换机器学习生产模型
注意：本课程具有本地化的注释/字幕。 旁白保留英语。
