AWS en NVIDIA lanceren "Hands-on Machine Learning met Amazon SageMaker en NVIDIA GPU's" op Coursera

AWS en NVIDIA zijn verheugd om het nieuwe aan te kondigen Hands-on Machine Learning met Amazon SageMaker en NVIDIA GPU's cursus. De cursus bestaat uit vier delen en is ontworpen om liefhebbers van machine learning (ML) te helpen snel te leren hoe ze moderne ML in de AWS Cloud kunnen uitvoeren. Schrijf je vandaag nog in voor de cursus Coursera.

Machine learning kan complex, vervelend en tijdrovend zijn. AWS en NVIDIA bieden de snelste, meest effectieve en gebruiksvriendelijke ML-tools om uw ML-project een vliegende start te geven. Deze cursus is bedoeld voor ML-beoefenaars, inclusief datawetenschappers en ontwikkelaars, die praktische kennis hebben van ML-workflows. In deze cursus doe je hands-on ervaring op met Amazon Sage Maker en Amazon Elastic Compute-cloud (Amazon EC2) instanties aangedreven door NVIDIA GPU's.

Cursusoverzicht

Deze cursus helpt datawetenschappers en -ontwikkelaars om snel hoogwaardige ML-modellen voor te bereiden, te bouwen, te trainen en in te zetten door een breed scala aan mogelijkheden samen te brengen die speciaal zijn gebouwd voor ML binnen Amazon SageMaker. EC2-instanties aangedreven door NVIDIA GPU's bieden de best presterende GPU-gebaseerde trainingsinstanties in de cloud voor efficiënte modeltraining en kosteneffectieve modelinferentiehosting. In de cursus heb je praktische labs en quizzen die speciaal voor deze cursus zijn ontwikkeld en worden gehost door AWS Partner Vocareum.

U krijgt eerst een overzicht op hoog niveau van moderne machine learning. Vervolgens duik je in de laboratoria er meteen in en ga je aan de slag met een GPU-aangedreven SageMaker-instantie. U leert hoe u uw dataset voorbereidt op modeltraining met behulp van GPU-versnelde gegevensvoorbereiding met de RAPIDS-bibliotheek, hoe u een GPU-versneld boomgebaseerd model bouwt, hoe u dit model traint en hoe u het model implementeert en optimaliseert voor GPU aangedreven gevolgtrekking. U leert praktijkgericht hoe u op dezelfde manier deep learning-modellen kunt bouwen, trainen en implementeren voor gebruiksscenario's voor computervisie (CV) en natuurlijke taalverwerking (NLP). Na het voltooien van deze cursus beschikt u over de kennis om ML-workflows met GPU-versnelling in SageMaker te bouwen, trainen, implementeren en optimaliseren en begrijpt u de belangrijkste SageMaker-services die van toepassing zijn op ML-taken in tabelvorm, computervisie en taal.

In de eerste module leert u de basisprincipes van Amazon SageMaker, GPU's in de cloud en hoe u een Amazon SageMaker-notebookinstantie kunt opstarten. Dan krijg je een rondleiding Amazon SageMaker Studio, de eerste volledig geïntegreerde ontwikkelomgeving (IDE) voor machine learning, die u toegang geeft tot alle mogelijkheden van Amazon SageMaker. Dit wordt gevolgd door een inleiding tot de NVIDIA GPU Cloud of NGC-catalogus en hoe deze u kan helpen bij het vereenvoudigen en versnellen van ML-workflows.

In de tweede module gebruik je de kennis uit module 1 en ontdek je hoe je met grote datasets om moet gaan om ML-modellen te bouwen met het NVIDIA RAPIDS framework. In het hands-on lab downloadt u de Airline Service Quality Performance-gegevensset en voert u GPU-versnelde gegevensvoorbereiding, modeltraining en modelimplementatie uit.

In de derde module krijgt u een korte geschiedenis van hoe computervisie (CV) is geëvolueerd, leert u hoe u met beeldgegevens kunt werken en leert u hoe u end-to-end CV-applicaties kunt bouwen met behulp van Amazon SageMaker. In het hands-on lab downloadt u de CUB_200-dataset en traint en implementeert u vervolgens een objectdetectiemodel op SageMaker.

In de vierde module leer je over de toepassing van deep learning voor natuurlijke taalverwerking (NLP). Wat betekent het om talen te begrijpen? Wat is taalmodellering? Wat is het BERT-taalmodel en waarom worden dergelijke taalmodellen gebruikt in veel populaire services zoals zoeken, software voor kantoorproductiviteit en spraakagenten? Zijn NVIDIA GPU's het snelste en meest kostenefficiënte platform om NLP-modellen te trainen en te implementeren? In het hands-on lab download je de SQuAD-dataset en train en implementeer je vervolgens een op BERT gebaseerd vraag-antwoordmodel.

Schrijf je vandaag in

Hands-on machine learning met AWS en NVIDIA is een geweldige manier om toolsets te realiseren die nodig zijn voor moderne ML in de cloud. Met deze cursus kunt u projecten sneller van conceptuele fasen naar productiefasen verplaatsen door het ongedifferentieerde zware werk van het bouwen van infrastructuur over te laten aan AWS- en NVIDIA GPU's, en uw nieuw gevonden kennis toepassen om nieuwe uitdagingen met AI en ML op te lossen.

Verbeter uw ML-vaardigheden in de cloud en pas ze toe op uw eigen zakelijke uitdagingen door u vandaag nog aan te melden bij Coursera!

Over de auteurs

Pavan Kumar Sunder is een Solutions Architect Leader bij het Envision Engineering-team bij Amazon Web Services. Hij biedt technische begeleiding en helpt klanten hun innovatievermogen te versnellen door de kunst van het mogelijke op AWS te laten zien. Hij heeft meerdere prototypes en herbruikbare oplossingen gebouwd rond AI/ML, IoT en robotica voor onze klanten.

Isaak Privitera is Senior Data Scientist bij het Amazon Machine Learning Solutions Lab, waar hij op maat gemaakte machine learning- en deep learning-oplossingen ontwikkelt om de zakelijke problemen van klanten aan te pakken. Hij werkt voornamelijk op het gebied van computervisie en richt zich op het beschikbaar stellen van AWS-klanten met gedistribueerde training en actief leren.

Cameron Perón is Senior Marketing Manager voor AWS AI/ML Education en de AWS AI/ML-community. Hij evangeliseert hoe AI/ML-innovatie complexe uitdagingen oplost waarmee zowel de gemeenschap, het bedrijfsleven als startups worden geconfronteerd. Buiten kantoor blijft hij graag actief met kettlebell-sport en brengt hij tijd door met zijn familie en vrienden, en is hij een fervent fan van Euro-league basketbal.

Bron: https://aws.amazon.com/blogs/machine-learning/aws-and-nvidia-launch-hands-on-machine-learning-with-amazon-sagemaker-and-nvidia-gpus-on-coursera/