متخصص شدن در یادگیری ماشینی AWS (MLS-C01)

Hands On AWS ML Sagemaker Course با تست تمرین. به گروه مطالعه زنده بپیوندید پرسش و پاسخ!

عنوان اصلی : AWS Certified Machine Learning Specialty (MLS-C01)

سرفصل های دوره :

معرفی و خانه داری :
منابع قابل دانلود
سرعت یادگیری را افزایش دهید
آزمون - تجزیه و تحلیل شکاف
آماده سازی - آزمون تخصصی یادگیری ماشین AWS
آزمایشگاه - راه اندازی حساب AWS، پیشنهادات ردیف رایگان، صورتحساب، پشتیبانی
آزمایشگاه - هشدارهای صورتحساب، دسترسی نمایندگان
آزمایشگاه - پیکربندی کاربران IAM، راه اندازی رابط خط فرمان (CLI)
[اختیاری] کل هزینه مالکیت بین On-Premises و Cloud
مزایای رایانش ابری
نمایش کلی زیرساخت جهانی AWS
امنیت شغل صفر است | AWS Sector Public Summit 2016 توسط استیو اشمیت
جلسه هفتگی گروه مطالعه AWS
SageMaker Housekeeping:
منابع قابل دانلود
Lab - S3 Bucket Setup
آزمایشگاه - نمونه نوت بوک SageMaker را راه اندازی کنید
آزمایشگاه - تنظیم کد منبع
Kaggle Data Setup
کنسول SageMaker با ویدیوهای دوره متفاوت به نظر می رسد - چرا؟
چگونه داده های Kaggle را با کد دانلود کنیم؟
مفاهیم یادگیری ماشینی:
مقدمه ای بر یادگیری ماشینی، مفاهیم، ​​اصطلاحات
انواع داده - نحوه مدیریت انواع داده های مختلط
آزمایشگاه - محیط نوت بوک پایتون
آزمایشگاه - کار با داده های از دست رفته
آزمایشگاه - تجسم داده ها - خطی، گزارش، درجه دوم و موارد دیگر
ارزیابی عملکرد مدل:
عملکرد مدل
منابع قابل دانلود
مقدمه
آزمایشگاه - عملکرد طبقه بندی کننده دودویی
آزمایشگاه - طبقه بندی کننده دودویی - ماتریس سردرگمی
Lab - Binary Classifier - SKLearn Confusion Matrix
طبقه بندی کننده باینری - تعریف متریک
دسته بندی کننده باینری - محاسبه متریک
سوال - چرا مدل 1 نیست؟
طبقه‌بندی‌کننده باینری - متریک‌های ناحیه زیر منحنی
آزمایشگاه - طبقه بندی کننده چند کلاسه
عملکرد مدل
ارزیابی عملکرد مدل
نمایش کلی سرویس SageMaker:
منابع قابل دانلود
AWS SageMaker چه تفاوتی با سایر چارچوب های ML دارد؟
معرفی SageMaker
نوع نمونه و قیمت گذاری
در استفاده از SageMaker در هزینه صرفه جویی کنید
فرمت داده
الگوریتم های داخلی SageMaker
چارچوب های محبوب و الگوریتم خود را بیاورید
زیرساخت، قیمت گذاری، پشتیبانی - بررسی
تغییرات سرویس SageMaker و SDK:
نمای کلی تغییرات اخیر
آموزش مدل با استفاده از کنسول
آموزش مدل با استفاده از Python SDK
آموزش افزایشی
Lab - کنسول SageMaker را برای Training Job مرور کنید
آموزش SageMaker
XGBoost - درختان افزایش یافته گرادیان:
منابع قابل دانلود
معرفی XGBoost
آزمایشگاه - رگرسیون ساده آماده سازی داده
آزمایشگاه - آموزش رگرسیون ساده
آزمایشگاه - آماده سازی داده ها مجموعه داده های غیر خطی
آزمایشگاه - مجموعه داده های غیر خطی آموزشی
ورزش - بهبود کیفیت پیش بینی ها
آزمایشگاه - رگرسیون اجاره دوچرخه آماده سازی داده
آزمایشگاه - مدل رگرسیونی اجاره دوچرخه
آزمایشگاه - با استفاده از Log of Count آموزش دهید
خطای ResourceLimitExceeded - نحوه افزایش محدودیت منابع
آزمایشگاه - نحوه آموزش با استفاده از الگوریتم XGBoost داخلی SageMaker
پرسش و پاسخ: SageMaker داخلی چگونه متغیر هدف را می شناسد؟
آزمایشگاه - نحوه اجرای پیش‌بینی‌ها در برابر یک نقطه پایانی SageMaker موجود
پرسش و پاسخ - مقادیر پیش‌بینی‌شده XGBoost در SageMaker به طور مداوم محدود نمی‌شوند
ویژگی های SageMaker Endpoint
SageMaker Spot Instances - تا 90% برای مشاغل آموزشی صرفه جویی کنید
آزمایشگاه - طبقه بندی چند کلاسه
آزمایشگاه - طبقه بندی باینری
ورزش - بهبود کیفیت داده در مجموعه داده دیابت
سوال در مورد بهبود کیفیت داده های دیابت
سوال در مورد مدل دیابت - آیا میانگین گروهی در هدف رویکرد درستی است؟
تنظیم HyperParameter، Bias-Variance، Regularization (L1, L2)
ورزش - طبقه بندی قارچ
مسابقه - XGBoost
تناسب، بیش از حد
نقطه پایانی مدل را از مشتریان خارجی فراخوانی کنید:
نصب SageMaker SDK، GIT Client، کد منبع، مجوزهای امنیتی
کاربران IAM برای آزمایشگاه
بررسی اجمالی ادغام
Lab - Client to Endpoint با استفاده از SageMaker SDK
Lab - Client to Endpoint با استفاده از Boto3 SDK
Microservice - Lambda to Endpoint - Payload
تغییرات رابط کاربری Lambda
Lab - Microservice - Lambda to Endpoint
درگاه API - تغییرات رابط کاربری
Lab - API Gateway، Lambda، Endpoint
تغییر نقطه پایانی با زمان توقف صفر:
منابع قابل دانلود
[تکرار] ویژگی‌های نقطه پایانی، نظارت و مقیاس خودکار
چگونه تغییرات در سیستم تولید را مدیریت کنیم؟
آزمایشگاه - آزمایش انواع مختلف تولید A/B
آزمایشگاه - نقطه پایانی چند مدل
مدل ها را در لبه اجرا کنید
نقاط پایانی
روندهای نوظهور هوش مصنوعی و مسائل اجتماعی:
منابع قابل دانلود
آیا هوش مصنوعی مغرضانه است؟
ابزارهایی برای تشخیص سوگیری - شفاف سازی، آزمایش ها، مانیتور مدل، هوش مصنوعی تقویت شده
و چند ابزار دیگر
روندهای نوظهور هوش مصنوعی و مسائل اجتماعی
Cloud Security and Access Management :
مقدمه
مدل مسئولیت مشترک، انطباق، تفویض اختیار، فدراسیون
Credentials، MFA، Identity-based، Reخط مشی مبتنی بر منابع
خط مشی داخلی و مدیریت شده، کنوانسیون نامگذاری منابع آمازون (ARN).
اصل، اثر، عمل، منبع، نه بند
دسترسی مشروط، رد ضمنی، مجاز و رد صریح، مرز مجوز
نقش‌های IAM، گزینه‌های دسترسی بین حساب‌ها
فدراسیون، SSO، SAML، Active Directory، سازمان‌های AWS، Cognito
آزمایشگاه - خط‌مشی مبتنی بر هویت، رد ضمنی، مجاز صریح
آزمایشگاه - تولید کننده خط مشی، خط مشی مدیریت شده، نسخه ها، گروه ها
آزمایشگاه - خط مشی مبتنی بر منابع، مولد خط مشی، اصول
Cloud Security
تحلیل مؤلفه اصلی (PCA):
نرمال سازی و استانداردسازی
منابع قابل دانلود
مقدمه ای بر تجزیه و تحلیل اجزای اصلی (PCA)
نمایش کلی PCA
دمو - PCA با مجموعه داده تصادفی
نسخه ی نمایشی - PCA با مجموعه داده های مرتبط
منابع پاکسازی در SageMaker
نسخه ی نمایشی - PCA با Kaggle Bike Sharing - مرور کلی و عادی سازی
دمو - حالت محلی PCA با قطار دوچرخه Kaggle
دمو - آموزش PCA با SageMaker
دمو - طرح PCA با SageMaker
ورزش: Kaggle Bike Train و PCA
خلاصه
سیستم‌های توصیه‌گر - ماشین‌های فاکتورسازی:
سیستم توصیه کننده
منابع قابل دانلود
مقدمه ای بر ماشین های فاکتورسازی
MovieLens Dataset
دمو - آماده سازی داده های توصیه کننده فیلم
دمو - آموزش مدل پیشنهادی فیلم
دمو - پیش بینی فیلم توسط کاربر
بهینه سازی مدل و تنظیم HyperParameter:
منابع قابل دانلود
مقدمه ای بر تنظیم Hyperparameter
آزمایشگاه: سیستم توصیه‌کننده ماشین فاکتورسازی رتبه‌بندی فیلم تنظیم
آزمایشگاه: مرحله 2 تنظیم سیستم توصیه‌کننده رتبه‌بندی فیلم
HyperParameter، Bias-Variance، Regularization (L1, L2) [تکرار از XGBoost]
مهره ها و پیچ های بهینه سازی
بهینه سازی مدل
بهینه سازی مدل - سوال مرتبط
پیش‌بینی سری‌های زمانی - DeepAR:
منابع قابل دانلود
مقدمه ای بر پیش بینی سری های زمانی DeepAR
آموزش DeepAR و قالب‌های استنتاج
کار با داده های سری زمانی، مدیریت مقادیر گمشده
دمو - اجاره دوچرخه به عنوان مشکل پیش‌بینی سری زمانی
دمو - آموزش مدل اجاره دوچرخه
دمو - پیش‌بینی اجاره دوچرخه
دمو - دسته بندی های DeepAR
نسخه ی نمایشی - DeepAR Dynamic Features Data Preparation
دمو - آموزش و پیش‌بینی ویژگی‌های دینامیک DeepAR
خلاصه
سوال: چگونه با استفاده از DeepAR یک مدل برای محصولات مختلف آموزش دهیم؟
تشخیص ناهنجاری - جنگل برش تصادفی:
منابع قابل دانلود
آزمایشگاه - تجزیه و تحلیل ترافیک مسافران تاکسی (نمونه ارائه شده AWS)
آزمایشگاه - تجزیه و تحلیل فروش خودرو
خدمات هوش مصنوعی (AI):
منابع قابل دانلود
دستورالعمل های آزمایشگاه
1. مقدمه
2.1 رونویسی و آزمایشگاه آمازون
2.2 رونویسی و آزمایشگاه آمازون
3. ترجمه آمازون
ترجمه - سناریوی عملی
4.1 Amazon Comprehend
درک قیمت
4.2 Amazon Comprehend
4.3 آموزش آمازون Comprehend
5. آمازون پولی
6. آمازون لکس
7. شناسایی آمازون
8. متن و خلاصه آمازون
آزمون خدمات هوش مصنوعی
S3 Data Lake Architecture - Data Consolidation :
منابع قابل دانلود
دستورالعمل های آزمایشگاه
مقدمه ای بر دریاچه داده
Kinesis - جریان و پردازش دسته ای
فرمت‌های داده و ابزارهای تبدیل فرمت داده
تجزیه و تحلیل در محل و نمونه کارها از ابزار
نظارت و بهینه سازی
امنیت و حفاظت
مسابقه - دریاچه داده
دستورالعمل های آزمایشگاه - کاتالوگ داده های چسب
آزمایشگاه - کاتالوگ داده چسب
دستورالعمل های آزمایشگاه - پرس و جو در محل آتنا
آزمایشگاه - پرس و جو با آتنا
Lab - Glue ETL - تبدیل فرمت به پارکت
آزمایشگاه - نظرات مشتریان آمازون را با آتنا پرس و جو کنید
آزمایشگاه - احساس بررسی مشتری
آزمایشگاه - پرس و جو احساسات نظرات مشتریان با استفاده از آتنا
تغییرات رابط کاربری Lambda
آزمایشگاه - راه حل بررسی مشتری بدون سرور قسمت 1
آزمایشگاه - راه حل بررسی مشتری بدون سرور قسمت 2
یادگیری عمیق و شبکه های عصبی:
ReadMe و منابع قابل دانلود
دستورالعمل های آزمایشگاه
مفاهیم - نزول گرادیان، تابع از دست دادن برای رگرسیون
مفاهیم - نزول گرادیان، تابع از دست دادن برای طبقه بندی
شبکه های عصبی و یادگیری عمیق
مقدمه ای بر یادگیری عمیق
شبکه عصبی کانولوشنال (CNN)
شبکه های عصبی تکراری (RNN)، LSTM
شبکه های متخاصم مولد (GAN)
ترمیم صورت نابینایان در دنیای واقعی
مهره و پیچ بهینه سازی [تکرار]
آزمایشگاه - رگرسیون با شبکه عصبی SKLearn
آزمایشگاه - رگرسیون با Keras و TensorFlow
داده های ریزش مشتری
آزمایشگاه - طبقه بندی باینری - قسمت 1- پیش بینی ریزش مشتری
آزمایشگاه - طبقه بندی باینری - قسمت 2 - پیش بینی ریزش مشتری
آزمایشگاه - طبقه بندی چند کلاسه - زنبق
آموزش انتقالی
بهینه سازی برای GPU
طبقه بندی چند برچسبی چند کلاسه
Qiz - شبکه عصبی و تنظیم مدل
الگوریتم خود را بیاورید:
نحوه استفاده از TensorFlow، Pytorch، SKLearn در SageMaker
منابع قابل دانلود
مقدمه و نحوه عملکرد الگوریتم های داخلی
تصویر سفارشی و چارچوب محبوب
ساختار پوشه و متغیرهای محیطی
Lab - SKLearn Estimator Bring Your Own Part 1
Lab - SKLearn Estimator Bring Your Own Part 2
آزمایشگاه - تخمینگر TensorFlow خودتان را بیاورید
ذخیره سازی برای سرورها:
منابع قابل دانلود
مقدمه ای بر ذخیره سازی
فروشگاه بلوک الاستیک (EBS)
سیستم فایل الاستیک، FSx برای ویندوز، FSx برای Luster
رمزگذاری فروشگاه بلوک الاستیک (EBS).
AWS - طرح‌های پشتیبانی و بازخورد:
بازخورد بهبود محصول AWS
چگونه برای پشتیبانی تولید با AWS تماس بگیریم؟
پایگاه های داده در AWS:
منابع قابل دانلود
پایگاه های داده AWS - مقدمه، مزایا و انواع
خدمات پایگاه داده رابطه ای (RDS) - ویژگی ها و مزایا
پایگاه داده ارتباطی بدون سرور Aurora و Aurora
DynamoDB - کلید اصلی، پارتیشن‌ها و ویژگی‌ها
Cassandra و DocumentDB
Amazon ElastiCache - مثال استفاده، ویژگی ها
آمازون Redshift
استفاده در محل و سایر فناوری‌ها:
سرویس بوم SageMaker - بدون کد ML
استفاده در محل و سایر فناوری‌ها
آزمون - در محل و ادغام
آزمون عملی - تخصص یادگیری ماشینی دارای گواهی AWS:
بخش هایی برای مرور
تست تمرین - تخصص یادگیری ماشین دارای گواهی AWS
آمادگی امتحان AWS
سایر منابع:
نحوه دسترسی به کوپن های تخفیف
تبریک می گویم!