Descrizione
In questo corso, seguiremo il Dott. Denis Batalov, leader tecnico di IA/ML a livello mondiale, che ci spiegherà come implementare una pipeline del machine learning con Amazon SageMaker e Amazon SageMaker Ground Truth. Per prima cosa si creerà un set di dati etichettato, quindi si creerà un processo di formazione per addestrare il modello di rilevamento degli oggetti e infine si utilizzerà Amazon SageMaker per creare e aggiornare il modello.
Nota: questo corso fornisce trascrizioni/sottotitoli localizzati. La narrazione è in inglese.
Destinatari principali
Questo corso è rivolto a:
- Sviluppatori e data scientist che desiderano creare pipeline di machine learning con Amazon SageMaker utilizzando l'SDK Sagemaker e Python.
- Sviluppatori e data scientist che desiderano utilizzare Amazon SageMaker Ground Truth per creare i propri set di dati etichettati.
Obiettivi del corso
In questo corso, scoprirai come:
- Addestrare un modello di machine learning utilizzando immagini etichettate da Amazon SageMaker Ground Truth
- Utilizzare Amazon SageMaker Ground Truth per identificare l'esatta posizione delle api nelle singole immagini in un set di dati
- Addestrare il modello di rilevamento degli oggetti utilizzando gli algoritmi integrati di Amazon SageMaker
- Utilizzare un processo automatizzato di ottimizzazione degli iperparametri per trovare un set ottimale di iperparametri
Prerequisiti
È consigliabile che i partecipanti a questo corso possiedano i seguenti prerequisiti:
- Una conoscenza di base di Amazon SageMaker (https://aws.amazon.com/sagemaker/)
- Una conoscenza di base del linguaggio di programmazione Python con varie librerie come Pandas, NumPy, SageMaker e Boto3
Tipo di corso
Il corso viene offerto mediante:
- Formazione digitale
Durata
70 minuti
Riepilogo del corso
Il corso tratta i seguenti argomenti:
- Download dei dati
- Esecuzione di un processo di etichettatura
- Addestramento di un modello
- Distribuzione di un modello
- Iperparametri/ottimizzazione automatizzata del modello
- Analisi dei risultati dell'ottimizzazione degli iperparametri
- Sostituzione di un modello di produzione di machine learning
