Plan Szkolenia
Wprowadzenie
- Zrozumienie uczenia maszynowego z SageMaker
- Algorytmy uczenia maszynowego
Przegląd funkcji AWS SageMaker
- AWS i przetwarzanie w chmurze
- Tworzenie modeli
Konfiguracja AWS SageMaker
- Tworzenie konta AWS
- Użytkownik i grupa administratora IAM
Zapoznanie się z SageMaker Studio
- Przegląd interfejsu użytkownika
- Notatniki programu Studio
Przygotowywanie danych przy użyciu notatników Jupyter
- Notatniki i biblioteki
- Tworzenie instancji notesu
Trenowanie modelu za pomocą aplikacji SageMaker
- Zadania szkoleniowe i algorytmy
- Równoległe treningi danych i modeli
- Analiza stronniczości po treningu
Wdrażanie modelu w SageMaker
- Rejestr modeli i monitor modeli
- Kompilowanie i wdrażanie modeli za pomocą Neo
- Ocena wydajności modelu
Czyszczenie zasobów
- Usuwanie punktów końcowych
- Usuwanie instancji notebooków
Rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Doświadczenie w tworzeniu aplikacji
- Znajomość konsoli Amazon Web Services (AWS)
Publiczność
- Naukowcy zajmujący się danymi
- Programiści
Opinie uczestników (5)
Trainer had good grasp of concepts
Josheel - Verizon Connect
Szkolenie - Amazon Redshift
Ilość informacji, ćwicenia
Łukasz Kowalski - Sii Sp. z o.o.
Szkolenie - AWS IoT Core
All good, nothing to improve
Ievgen Vinchyk - GE Medical Systems Polska Sp. Z O.O.
Szkolenie - AWS Lambda for Developers
IOT applications
Palaniswamy Suresh Kumar - Makers' Academy
Szkolenie - Industrial Training IoT (Internet of Things) with Raspberry PI and AWS IoT Core 「4 Hours Remote」
później ten balans między teorią a praktyką był już znacznie lepszy. Ale początki były straszne. sposób wypowiadania się (język) bardzo spoko, zrozumiale, po ludzku