Chia Sẻ Khóa Học Xây Dựng Một AWS Machine Learning Pipeline Cho Object Detection [Khóa 7426 A]
Sử dụng AWS Step Functions + Sagemaker để xây dựng một Scalable Production Ready Machine Learning Pipeline cho Plastic Detection.
Bạn sẽ học được gì:
- ✓ Tìm hiểu cách bạn có thể sử dụng Open Images Dataset V7 của Google để sử dụng bất kỳ tập dữ liệu tùy chỉnh nào bạn muốn.
- ✓ Tạo Sagemaker Domains.
- ✓ Tải lên và truyền dữ liệu vào môi trường Sagemaker của bạn.
- ✓ Tìm hiểu cách thiết lập IAM roles an toàn trên AWS.
- ✓ Xây dựng một Production Ready Object detection Algorithm.
- ✓ Sử dụng Pandas, Numpy cho Feature và Data Engineering.
- ✓ Hiểu Object detection annotations.
- ✓ Trực quan hóa hình ảnh và Bounding Boxes với Matplotlib.
- ✓ Tìm hiểu cách hoạt động của Elastic File System(EFS) của Sagemaker.
- ✓ Sử dụng thuật toán built in Object detection của AWS với Transfer Learning.
- ✓ Cách thiết lập Transfer Learning với cả VGG-16 và ResNet-50 trong AWS.
- ✓ Tìm hiểu cách lưu ảnh sang định dạng RecordIO.
- ✓ Tìm hiểu định dạng RecordIO là gì.
- ✓ Tìm hiểu tệp .lst là gì và tại sao chúng ta cần chúng với tính năng Phát hiện đối tượng trong AWS.
- ✓ Tìm hiểu cách thực hiện Data Augmentation để phát hiện đối tượng.
- ✓ Có được hiểu biết sâu sắc về về cách chúng tôi có thể thao tác dữ liệu đầu vào của mình với data augmentation.
- ✓ Tìm hiểu AWS Pricing cho SageMaker, Step Functions, Batch Transformation Jobs, Sagemaker EFS, v.v.
- ✓ Tìm hiểu cách chọn máy tính lý tưởng (Memory, vCPUs, GPUS và kernel) cho các tác vụ Sagemaker của bạn.
- ✓ Tìm hiểu cách install dependencies vào một Sagemaker Notebook.
- ✓ Setup Hyperparameter Tuning Jobs trong AWS.
- ✓ Thiết lập Training Jobs trong AWS.
- ✓ Tìm hiểu cách Đánh giá các mô hình phát hiện đối tượng bằng mAP(mean average precision) score.
- ✓ Thiết lập Hyperparameter tuning jobs với Bayesian Search.
- ✓ Tìm hiểu cách bạn có thể định cấu hình Batch Size, Epochs, optimisers(Adam, RMSProp), Momentum, Early stopping, Weight decay, overfitting prevention và nhiều tính năng khác trong AWS.
- ✓ Monitor một Training Job trong thời gian thực với Metrics.
- ✓ Sử dụng Cloudwatch để xem các log khác nhau.
- ✓ Cách Test mô hình của bạn trong Sagemaker notebook.
- ✓ Tìm hiểu Batch Transformation là gì.
- ✓ Setup Batch Transformation Jobs.
- ✓ Cách sử dụng Lambda function.
- ✓ Lưu output vào S3 bucket.
- ✓ Prepare Training và Test Datasets.
- ✓ Data Engineering.
- ✓ Cách xây dựng Complex Production Ready Machine Learning Pipelines phức hợp với AWS Step Functions.
- ✓ Sử dụng bất kỳ tập dữ liệu tùy chỉnh nào để xây dựng mô hình Phát hiện đối tượng.
- ✓ Sử dụng AWS Cloudformation với AWS Step Functions để thiết lập một Pipeline.
- ✓ Tìm hiểu cách sử dụng Prebuilt Pipelines để Định cấu hình theo nhu cầu của riêng bạn.
- ✓ Tìm hiểu cách bạn có thể Tạo Prebuilt Pipelines nào với Step Functions (cả với GUI).
- ✓ Tìm hiểu cách tích hợp Lambda Function với AWS Step Functions.
- ✓ Tìm hiểu cách tạo và xử lý Asynchronous Machine Learning Pipelines.
- ✓ Cách sử dụng Lambda để đọc và ghi từ S3.
- ✓ AWS best practices.
- ✓ Sử dụng AWS EventBridge để thiết lập CRON jobs nhằm cho bạn biết khi nào nên chạy Pipeline.
- ✓ Tìm hiểu cách tạo End-to-End Machine Learning Pipelines.
- ✓ Tìm hiểu cách sử dụng Sagemaker Notebooks trong Production và Schedule Jobs với chúng.
- ✓ Tìm hiểu Machine Learning Pipeline Design.
- ✓ Tạo một ứng dụng web Machine Learning Pipeline Design để tương tác với Machine Learning Pipeline của chúng tôi.
- ✓ Cách thiết lập một Machine Learning Pipeline cho Ứng dụng web của chúng tôi.
- ✓ Tìm hiểu cách sử dụng React, Nextjs, Mongodb, ExpressJs để xây dựng một ứng dụng web.
- ✓ Tạo và tương tác với các tệp JSON.
- ✓ Đưa Convolutional Neural Networks vào Production.
- ✓ Kỹ thuật Deep Learning.
- ✓ Cách dọn sạch một AWS account sau khi bạn hoàn tất.
- ✓ Train Machine Learning model trên AWS.
- ✓ Cách sử dụng GPU của AWS để tăng tốc Machine Learning Training jobs.
- ✓ Tìm hiểu AWS Elastic Container Registry(ECS) là gì và cách bạn có thể download Machine Learning Algorithms từ đó.
- ✓ AWS Security Best practices.
Chào mừng bạn đến với khóa học ultimate về cách tạo machine learning pipeline phức tạp, an toàn, có thể mở rộng với Sagemaker, Step Functions, và Lambda functions. Trong khóa học này, chúng tôi sẽ đề cập đến tất cả các bước cần thiết để tạo ra một machine learning pipeline mạnh mẽ và đáng tin cậy, từ data preprocessing đến hyperparameter tuning để phát hiện đối tượng.
Chúng tôi sẽ bắt đầu bằng cách giới thiệu cho bạn kiến thức cơ bản về AWS Sagemaker, một dịch vụ được quản lý toàn phần cung cấp cho các nhà phát triển và nhà khoa học dữ liệu khả năng xây dựng, đào tạo và triển khai các mô hình học máy một cách nhanh chóng và dễ dàng. Bạn sẽ tìm hiểu cách sử dụng Sagemaker để tiền xử lý và chuẩn bị dữ liệu cho học máy, cũng như cách xây dựng và huấn luyện các mô hình học máy của riêng bạn bằng các thuật toán tích hợp sẵn của Sagemaker.
Tiếp theo, chúng ta sẽ đi sâu vào AWS Step Functions, cho phép bạn điều phối và quản lý các bước khác nhau trong machine learning pipeline. Bạn sẽ tìm hiểu cách tạo một machine learning pipeline mạnh mẽ, an toàn và có thể mở rộng bằng cách sử dụng Step Functions cũng như cách sử dụng các hàm Lambda để kích hoạt các bước khác nhau trong pipeline của bạn.
Ngoài ra, chúng tôi sẽ đề cập đến các chủ đề liên quan đến deep learning, bao gồm cách sử dụng neural networks để phát hiện đối tượng và cách sử dụng hyperparameter tuning để tối ưu hóa mô hình học máy của bạn cho các trường hợp sử dụng khác nhau.
Cuối cùng, chúng tôi sẽ hướng dẫn bạn cách tạo một ứng dụng web sẽ tương tác với machine learning pipeline của bạn. Bạn sẽ tìm hiểu cách sử dụng React, Next.js, Express và MongoDB để xây dựng một ứng dụng web cho phép người dùng gửi dữ liệu đến pipeline của bạn, xem kết quả và theo dõi tiến trình công việc của họ.
Khi kết thúc khóa học này, bạn sẽ hiểu sâu về cách tạo một machine learning pipeline phức tạp, an toàn, có thể mở rộng bằng cách sử dụng Sagemaker, Step Functions, và Lambda function. Bạn cũng sẽ có các kỹ năng để xây dựng một ứng dụng web có thể tương tác với pipeline của mình, mở ra những khả năng mới về cách bạn có thể sử dụng các mô hình machine learning của mình để giải quyết các bài toán trong thế giới thực.
Khóa học này dành cho ai:
- ✓ Dành cho các nhà phát triển muốn nâng kỹ năng machine learning của mình lên một tầm cao mới bằng cách không chỉ có thể xây dựng các mô hình học máy mà còn kết hợp chúng trong một machine learning pipeline sẵn sàng sản xuất phức tạp, an toàn.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU