LUMIFY WORK یادگیری عمیق در AWS
LUMIFY WORK یادگیری عمیق در AWS
AWS در LUMIFY WORK
Lumify Work یک شریک رسمی آموزشی AWS برای استرالیا، نیوزلند و فیلیپین است. از طریق مربیان مجاز AWS خود، میتوانیم مسیر یادگیری مرتبط با شما و سازمانتان را در اختیار شما قرار دهیم تا بتوانید از فضای ابری بهره بیشتری ببرید. ما آموزش مجازی و حضوری مبتنی بر کلاس درس ارائه می دهیم تا به شما کمک کند مهارت های ابری خود را ایجاد کنید و شما را قادر می سازد تا به گواهینامه AWS شناخته شده در صنعت دست یابید.
چرا این دوره را مطالعه کنید
در این دوره آموزشی، با راهحلهای یادگیری عمیق AWS، از جمله سناریوهایی که در آن یادگیری عمیق معنا پیدا میکند و یادگیری عمیق چگونه کار میکند، آشنا خواهید شد.
شما یاد خواهید گرفت که چگونه با استفاده از Amazon Sage Maker و چارچوب MXNet، مدل های یادگیری عمیق را در فضای ابری اجرا کنید. شما همچنین یاد خواهید گرفت که مدل های یادگیری عمیق خود را با استفاده از خدماتی مانند AWS Lambda در حین طراحی سیستم های هوشمند در AWS به کار بگیرید.
این دوره در سطح متوسط از طریق ترکیبی از آموزش به رهبری مربی (ILT)، آزمایشگاه های عملی و تمرینات گروهی ارائه می شود.
آنچه شما یاد خواهید گرفت
این دوره برای آموزش به شرکت کنندگان طراحی شده است که چگونه:
- یادگیری ماشین (ML) و یادگیری عمیق را تعریف کنید
- مفاهیم موجود در یک اکوسیستم یادگیری عمیق را شناسایی کنید
- از Amazon SageMaker و چارچوب برنامه نویسی MXNet برای بارهای کاری یادگیری عمیق استفاده کنید
- مناسب راه حل های AWS برای استقرار یادگیری عمیق
موضوعات دوره
مربی من بسیار عالی بود که می توانست سناریوهایی را در نمونه های دنیای واقعی قرار دهد که به موقعیت خاص من مربوط می شد.
از لحظه ورود به من احساس خوش آمد گویی کرد و توانایی نشستن گروهی بیرون از کلاس برای بحث در مورد موقعیت ها و اهدافمان بسیار ارزشمند بود.
من چیزهای زیادی یاد گرفتم و احساس کردم مهم است که اهدافم از حضور در این دوره محقق شود.
کار عالی تیم Lumify Work.
آماندا نیکول
IT SUPPORT SERVICES MANAGER - HEALTH WORLD LIMITED
ماژول 1: یادگیری ماشینی به پایان رسیدview
- تاریخچه مختصری از هوش مصنوعی، ML و DL
- اهمیت تجاری ML
- چالش های رایج در ML
- انواع مختلف مشکلات و وظایف ML
- هوش مصنوعی در AWS
ماژول 2: مقدمه ای بر یادگیری عمیق
- مقدمه ای بر DL
- مفاهیم DL
- خلاصه ای از نحوه آموزش مدل های DL در AWS
- معرفی آمازون SageMaker
- آزمایشگاه عملی: چرخاندن یک نمونه نوت بوک Amazon SageMaker و اجرای یک مدل شبکه عصبی پرسپترون چند لایه
ماژول 3: مقدمه ای بر Apache MXNet
- انگیزه و مزایای استفاده از MXNet و Gluon
- اصطلاحات مهم و API های مورد استفاده در MXNet
- معماری شبکه های عصبی کانولوشن (CNN)
- آزمایشگاه عملی: آموزش CNN بر روی مجموعه داده CIFAR-10
ماژول 4: معماری های ML و DL در AWS
- خدمات AWS برای استقرار مدلهای DL (AWS Lambda، AWS IoT Greengrass، Amazon ECS، AWS Elastic Beanstalk)
- معرفی خدمات هوش مصنوعی AWS مبتنی بر DL (Amazon Polly، Amazon Lex، Amazon Rekognition)
- آزمایشگاه عملی: استقرار یک مدل آموزش دیده برای پیش بینی در AWS Lambda
لطفا توجه داشته باشید: این یک دوره فناوری نوظهور است. رئوس مطالب دوره ممکن است در صورت لزوم تغییر کند.
آموزش سفارشی Lumify Work
ما همچنین می توانیم این دوره آموزشی را برای گروه های بزرگتر ارائه و سفارشی سازی کنیم و در زمان، هزینه و منابع سازمان شما صرفه جویی کنیم.
برای اطلاعات بیشتر، لطفاً با شماره 1 800 853 276 با ما تماس بگیرید.
این دوره برای چه کسانی است؟
این دوره برای:
- توسعه دهندگانی که مسئول توسعه برنامه های یادگیری عمیق هستند
- توسعه دهندگانی که می خواهند مفاهیم پشت یادگیری عمیق و نحوه پیاده سازی یک راه حل یادگیری عمیق را در AWS درک کنند.
پیش نیازها
توصیه می شود شرکت کنندگان دارای پیش نیازهای زیر باشند:
- درک اولیه فرآیندهای یادگیری ماشین (ML).
- آشنایی با خدمات اصلی AWS مانند Amazon EC2 و دانش AWS SDK
- آشنایی با زبان برنامه نویسی مانند پایتون
عرضه این دوره توسط Lumify Work توسط شرایط و ضوابط رزرو انجام می شود. لطفا قبل از ثبت نام در این دوره، شرایط و ضوابط را به دقت مطالعه کنید، زیرا ثبت نام در دوره منوط به پذیرش این شرایط و ضوابط می باشد.
پشتیبانی از مشتری
با 1800 853 276 تماس بگیرید و همین امروز با یک مشاور کار Lumify صحبت کنید!
training@lumifywork.com
lumifywork.com
facebook.com/LumifyWorkAU
linkedin.com/company/lumify-work
twitter.com/LumifyWorkAU
youtube.com/@lumifywork
https://www.lumifywork.com/en-au/courses/deep-learning-on-aws/
اسناد / منابع
![]() |
LUMIFY WORK یادگیری عمیق در AWS [pdfراهنمای کاربر یادگیری عمیق در AWS، یادگیری در AWS، AWS |