آموزش ساخت ، تعلیم دادن و انتشار مدلهای یادگیری ماشینی بوسیله AWS SageMaker

در این دوره آموزشی با AWS SageMaker آشنا شده و یاد می گیرید که چطور بوسیله آن مدلهای یادگیری ماشینی ساخته ، آن ها را تعلیم داده و منتشر کنید. 

عنوان اصلی : Build, Train, and Deploy Machine Learning Models with AWS SageMaker

سرفصل ها :

بررسی اجمالی دوره
معرفی
سناریوی دوره
مروری بر نحوه عملکرد نمونه REST API برای تشخیص سرطان پستان
مقدمه ای بر AWS SageMaker
راه اندازی AWS SageMaker
خلاصه
معرفی
نمونه های نوت بوک SageMaker
ایجاد یک نمونه نوت بوک
مروری بر الگوریتم داخلی طبقه‌بندی تصویر
به دست آوردن، کاوش، و پیش پردازش تصاویر هیستوپاتولوژی
پیکربندی الگوریتم طبقه‌بندی تصویر با استفاده از AWS SDK سطح پایین برای پایتون
پیکربندی الگوریتم طبقه‌بندی تصویر با استفاده از کتابخانه سطح بالا SageMaker Python
مروری بر استفاده از Tensorflow در SageMaker
تبدیل تصاویر به فرمت TFRecord
پیکربندی تخمینگر Tensorflow با استفاده از کتابخانه سطح بالا SageMaker Python
مروری بر استفاده از Apache MXNet در SageMaker
پیکربندی برآوردگر MXNet با استفاده از کتابخانه سطح بالا SageMaker Python
خلاصه
معرفی
مروری بر ایجاد مشاغل آموزشی در SageMaker
ایجاد و نظارت بر یک کار آموزشی برای الگوریتم طبقه بندی تصویر داخلی با استفاده از AWS SDK سطح پایین برای پایتون
ایجاد و نظارت بر یک کار آموزشی برای الگوریتم طبقه‌بندی تصویر داخلی با استفاده از کتابخانه سطح بالا SageMaker Python
ایجاد و نظارت بر یک کار آموزشی برای الگوریتم Tensorflow سفارشی با استفاده از کتابخانه سطح بالا SageMaker Python
ایجاد و نظارت بر یک کار آموزشی برای الگوریتم MXnet سفارشی با استفاده از کتابخانه سطح بالا SageMaker Python
بررسی اجمالی بهینه سازی هایپرپارامتر خودکار
ایجاد و نظارت بر یک کار تنظیم برای الگوریتم طبقه‌بندی تصویر داخلی با استفاده از AWS SDK سطح پایین برای پایتون
ایجاد و نظارت بر یک کار تنظیم برای الگوریتم طبقه‌بندی تصویر داخلی با استفاده از کتابخانه سطح بالا SageMaker Python
ایجاد و نظارت بر یک کار تنظیم برای الگوریتم Tensorflow سفارشی با استفاده از کتابخانه سطح بالا SageMaker Python
ایجاد و نظارت بر یک کار تنظیم برای الگوریتم سفارشی MXnet با استفاده از کتابخانه سطح بالا SageMaker Python
خلاصه
معرفی
مروری بر استقرار و آزمایش مدل های یادگیری ماشین در سرویس های میزبانی AWS SageMaker
استقرار و آزمایش مدل آموزش دیده بر اساس الگوریتم طبقه بندی تصویر داخلی با استفاده از AWS SDK سطح پایین برای پایتون
استقرار و آزمایش مدل آموزش دیده بر اساس الگوریتم طبقه بندی تصویر داخلی با استفاده از کتابخانه سطح بالا SageMaker Python
استقرار و آزمایش مدل آموزش دیده بر اساس الگوریتم Tensorflow سفارشی با استفاده از کتابخانه سطح بالا SageMaker Python
استقرار و آزمایش مدل آموزش دیده بر اساس الگوریتم Mxnet سفارشی با استفاده از کتابخانه سطح بالا SageMaker Python
مروری بر ادغام نقاط پایانی با AWS API Gateway و AWS Lambda
یکپارچه سازی نقطه پایانی AWS SageMaker با AWS API Gateway و AWS Lambda
خلاصه
معرفی
مروری بر مدیریت احراز هویت و کنترل دسترسی با استفاده از سیاست های IAM
پیکربندی کنترل دسترسی به نمونه های نوت بوک
مروری بر مانیتورینگ و عیب‌یابی مدل‌های مستقر با AWS CloudWatch
تجزیه و تحلیل متریک ها و گزارش های نقطه پایانی با AWS CloudWatch
مروری بر پیکربندی مقیاس خودکار برای نقاط پایانی AWS SageMaker
پیکربندی مقیاس‌بندی خودکار برای نقطه پایانی AWS SageMaker با استفاده از کنسول AWS
خلاصه