Részvételi forma

Képzés hossza

1 nap (1×8 tanóra)
naponta 9:00 - 17:00

Időpontok

Képzés ára

256 000 Ft
+ ÁFA/fő
Szeretne a témában testre szabott megoldást, csoportos képzést?
Egyedi képzési szolgáltatásainkról részletesen itt olvashat.

Ismertető

Ezen a tanfolyamon megismerkedünk az AWS Deep Learning (DL) megoldásaival, különös tekintettel azokra a forgatókönyvekre, amelyekben a DL-nek valódi haszna van, illetve bemutatásra kerülnek a Deep Learning működési elvei. Megtanuljuk, hogyan futtathatunk DL modelleket a felhőben az Amazon SageMaker és az MXNet keretrendszer segítségével. Megtudjuk továbbá, hogyan telepítsük a DL modelleket az AWS Lambda-hoz hasonló szolgáltatások segítségével, miközben intelligens rendszereket tervez AWS-en.

A tanfolyam előadásokból, csoportos feladatokból és laborgyakorlatokból áll.

 

Mit fogsz tanulni a képzésen?

  • A Machine Learning és a Deep Learning közti különbségeket.
  • Hogyan határozzuk meg a célokat a DL ökoszisztémában.
  • Hogyan használjuk az Amazon SageMaker és az MXNet keretrendszert DL munkavégzéshez
  • Hogyan illesszuk az AWS megoldásokat össze a DL telepítésekkel 

Kinek ajánljuk?

  • Olyan fejlesztőknek, akik Deep Learning alkalmazások fejlesztésével foglalkoznak.
  • Olyan fejlesztőknek, akik meg akarják érteni a DL főbb irányelveit és azt, hogy ezeket hogyan alkalmazzák az AWS felhőben.
  • Tematika

    Module 1: Machine learning overview

    • A brief history of AI, ML, and DL
    • The business importance of ML
    • Common challenges in ML
    • Different types of ML problems and tasks
    • AI on AWS

    Module 2: Introduction to deep learning

    • Introduction to DL
    • The DL concepts
    • A summary of how to train DL models on AWS
    • Introduction to Amazon SageMaker
    • Hands-on lab: Spinning up an Amazon SageMaker notebook instance and running a multilayer perceptron neural network model

    Module 3: Introduction to Apache MXNet

    • The motivation for and benefits of using MXNet and Gluon
    • Important terms and APIs used in MXNet
    • Convolutional neural networks (CNN) architecture
    • Hands-on lab: Training a CNN on a CIFAR-10 dataset

    Module 4: ML and DL architectures on AWS

    • AWS services for deploying DL models (AWS Lambda, AWS IoT Greengrass, Amazon ECS, AWS Elastic Beanstalk)
    • Introduction to AWS AI services that are based on DL (Amazon Polly, Amazon Lex, Amazon Rekognition)
    • Hands-on lab: Deploying a trained model for prediction on AWS Lambda

    Tanfolyam után

    A tanfolyam elvégzése után a Practical Data Science with Amazon SageMaker és az Amazon SageMaker Studio for Data Scientists képzéseinket ajánljuk.

    Szükséges előképzettség

    Javasoljuk résztvevőinknek az alábbiakat:

    • Az ML folyamatok alapvető ismerete
    • Az AWS core szolgáltatások (pl Amazon EC2 és AWS SDK) ismerete
    • Python vagy egyéb programozónyelv ismerete