LUMIFY WORK Deep Learning på AWS brukerveiledning

LUMIFY WORK Deep Learning på AWS

Innhold gjemme

1 AWS PÅ LUMIFY ARBEID

2 HVORFOR STUDERE DETTE KURSET

3 HVA DU LÆRER

4 KURSEMNER

5 HVEM ER KURSET FOR?

6 FORUTSETNINGER

7 KUNDESUPPORT

8 Dokumenter / Ressurser

8.1 Referanser

9 Relaterte innlegg

AWS PÅ LUMIFY ARBEID

Lumify Work er en offisiell AWS Training Partner for Australia, New Zealand og Filippinene. Gjennom våre autoriserte AWS-instruktører kan vi gi deg en læringsvei som er relevant for deg og din organisasjon, slik at du kan få mer ut av skyen. Vi tilbyr virtuell og ansikt-til-ansikt klasseromsbasert opplæring for å hjelpe deg med å bygge skyferdighetene dine og gjøre deg i stand til å oppnå bransjeanerkjent AWS-sertifisering.

HVORFOR STUDERE DETTE KURSET

I dette kurset vil du lære om AWS sine dyplæringsløsninger, inkludert scenarier der dyp læring gir mening og hvordan dyp læring fungerer.

Du lærer hvordan du kjører dyplæringsmodeller på skyen ved å bruke Amazon Sage Maker og MXNet-rammeverket. Du vil også lære å distribuere dyplæringsmodellene dine ved å bruke tjenester som AWS Lambda mens du designer intelligente systemer på AWS.

Dette kurset på mellomnivå leveres gjennom en blanding av instruktørledet opplæring (ILT), praktiske laboratorier og gruppeøvelser.

HVA DU LÆRER

Dette kurset er laget for å lære deltakerne hvordan:

Definer maskinlæring (ML) og dyp læring
Identifiser konseptene i et dyplæringsøkosystem

Bruk Amazon SageMaker og MXNet-programmeringsrammeverket for dyp læringsarbeid
Fit AWS-løsninger for distribusjon av dyp læring

KURSEMNER

Instruktøren min var flott å kunne sette scenarier inn i virkelige instanser som var relatert til min spesifikke situasjon.

Jeg følte meg velkommen fra det øyeblikket jeg ankom, og evnen til å sitte som en gruppe utenfor klasserommet for å diskutere situasjonene og målene våre var ekstremt verdifull.

Jeg lærte mye og følte det var viktig at målene mine ved å delta på dette kurset ble nådd.
Flott jobbet Lumify Work-team.

AMANDA NICOL
IT SUPPORT SERVICES MANAGER – HEALTH WORLD LIMITED

1-modul: Maskinlæring overview

En kort historie om AI, ML og DL

Den forretningsmessige betydningen av ML
Vanlige utfordringer i ML

Ulike typer ML problemer og oppgaver
AI på AWS

Modul 2: Introduksjon til dyp læring

Introduksjon til DL

DL-konseptene
En oppsummering av hvordan du trener DL-modeller på AWS

Introduksjon til Amazon SageMaker
Praktisk laboratorium: Spinner opp en Amazon SageMaker-notebook-forekomst og kjører en flerlags perceptron-nevrale nettverksmodell

Modul 3: Introduksjon til Apache MXNet

Motivasjonen for og fordelene ved å bruke MXNet og Gluon

Viktige termer og APIer som brukes i MXNet
Konvolusjonelle nevrale nettverk (CNN) arkitektur

Praktisk lab: Trening av en CNN på et CIFAR-10-datasett

Modul 4: ML- og DL-arkitekturer på AWS

AWS-tjenester for distribusjon av DL-modeller (AWS Lambda, AWS IoT Greengrass, Amazon ECS, AWS Elastic Beanstalk)
Introduksjon til AWS AI-tjenester som er basert på DL (Amazon Polly, Amazon Lex, Amazon Rekognition)
Praktisk lab: Utplassering av en opplært modell for prediksjon på AWS Lambda

Vennligst merk: Dette er et teknologikurs i framvekst. Kursoversikt kan endres ved behov.

Lumify Work Customized Training

Vi kan også levere og tilpasse dette kurset for større grupper, noe som sparer organisasjonen din for tid, penger og ressurser.
For mer informasjon, vennligst kontakt oss på 1 800 853 276.

HVEM ER KURSET FOR?

Dette kurset er beregnet på:

Utviklere som er ansvarlige for å utvikle dyplæringsapplikasjoner
Utviklere som ønsker å forstå konseptene bak Deep Learning og hvordan implementere en Deep Learning-løsning på AWS

FORUTSETNINGER

Det anbefales at deltakerne har følgende forutsetninger:

Grunnleggende forståelse av maskinlæringsprosesser (ML).
Kunnskap om AWS kjernetjenester som Amazon EC2 og kunnskap om AWS SDK
Kunnskap om et skriptspråk som Python

Tilbudet av dette kurset av Lumify Work er underlagt bestillingsvilkårene. Vennligst les vilkårene og betingelsene nøye før du melder deg på dette kurset, da påmelding til kurset er betinget av aksept av disse vilkårene og betingelsene.