在此課程中,我們將和全球 AI/機器學習 (ML) 技術領導者 Denis Batalov 博士一起,他會示範如何使用 Amazon SageMaker 和 Amazon SageMaker Ground Truth 實作機器學習管道。首先您會建立標記的資料集,然後建立訓練任務以訓練物件偵測模型,最後使用 Amazon SageMaker 建立並更新模型。
注意:本課程具有本地化的註釋/字幕。旁白保留英語。要顯示字幕,請按一下播放器右下角的 CC 按鈕。
目標對象本課程適用於:
- 想要藉 Amazon SageMaker 使用 Sagemaker SDK 和 Python 建立機器學習管道的開發人員和資料科學家。
- 想要使用 Amazon SageMaker Ground Truth 建立專屬標記資料集的開發人員和資料科學家。
在本課程中,您將了解如何:
- 使用 Amazon SageMaker Ground Truth 所標記的影像,訓練機器學習模型
- 使用 Amazon SageMaker Ground Truth 識別資料集中個別影像上蜜蜂的確切位置
- 使用 Amazon SageMaker 內建演算法訓練物件偵測模型
- 使用自動化超參數調校任務尋找最佳超參數集
我們建議參加本課程的人員需具備下列先決條件:
- 對 Amazon SageMaker 有基本了解 (https://aws.amazon.com/sagemaker/)
- 對 Python 程式語言,以及 Pandas、NumPy、SageMaker 和 Boto3 等多種資料庫有基本了解
本課程透過以下方式授課:
- 數位培訓
70 分鐘
課程大綱本課程涵蓋下列概念:
- 下載資料
- 執行標記任務
- 訓練模型
- 部署模型
- 超參數/自動化模型調校
- 檢驗超參數最佳化結果
- 取代機器學習生產模型