งานแสดง AWS ML Community: ฉบับเดือนมีนาคม 2021

ใน Community Showcase ของเรา Amazon Web Services (AWS) จะไฮไลต์โปรเจ็กต์ที่สร้างโดย AWS Heroes และ AWS Community Builders 

แต่ละเดือน ฮีโร่ AWS ML และ ตัวสร้างชุมชน AWS ML ทำให้โครงการเป็นจริงและกรณีการใช้งานสำหรับทักษะการเรียนรู้ของเครื่องอย่างเต็มรูปแบบตั้งแต่ระดับเริ่มต้นไปจนถึงระดับผู้เชี่ยวชาญผ่านบทช่วยสอนเชิงลึก พอดแคสต์ วิดีโอ และเนื้อหาอื่นๆ ที่แสดงวิธีใช้โซลูชัน AWS Machine Learning (ML) เช่น อเมซอน SageMaker, บริการ AI ที่เกี่ยวข้องเช่น ความหมายของ Amazonและอุปกรณ์การเรียนรู้ AI เช่น AWS Deep Racer.

ชุมชน AWS ML เป็นกลุ่มนักพัฒนา นักวิทยาศาสตร์ข้อมูล นักวิจัย และผู้มีอำนาจตัดสินใจทางธุรกิจที่มีชีวิตชีวา ซึ่งเจาะลึกลงไปในแนวคิดปัญญาประดิษฐ์และ ML มีส่วนร่วมกับประสบการณ์ในโลกแห่งความเป็นจริง และทำงานร่วมกันในการสร้างโครงการด้วยกัน

ต่อไปนี้คือไฮไลต์บางส่วนของคู่มือการเริ่มต้นใช้งานและบทช่วยสอนที่เผยแพร่ภายนอกซึ่งดูแลจัดการโดยทีมงาน AWS ML Evangelist ของเรา นำโดย จูเลียน ไซมอน.

โปรเจ็กต์ตัวสร้างชุมชน AWS ML Heroes และ AWS ML

ทำให้ความฝันของลูกวัยเตาะแตะในการบินให้เป็นจริงด้วย AI Tech (พร้อมตัวอย่างโค้ด). ในบทช่วยสอนเชิงลึกนี้ AWS ML Hero Agustinus Nalwan จะอธิบายวิธีสร้างแบบจำลองการตรวจจับวัตถุด้วย Amazon SageMaker JumpStart (ชุดโซลูชันสำหรับกรณีการใช้งานทั่วไปที่ปรับใช้ได้ง่ายด้วยการคลิกเพียงไม่กี่ครั้ง), Torch2trt (เครื่องมือในการแปลงโมเดล PyTorch เป็น TensorRT โดยอัตโนมัติ) และ NVIDIA Jetson AGX Xavier

วิธีใช้ Amazon Rekognition Custom Labels เพื่อวิเคราะห์ AWS DeepRacer Real World Performance ผ่านวิดีโอ (พร้อมตัวอย่างโค้ด). ในบทช่วยสอนเชิงลึกนี้ AWS ML Community Builder ปุยขวัญโฮ แสดงวิธีวิเคราะห์เส้นทางและความเร็วของอุปกรณ์ AWS DeepRacer โดยใช้คอมพิวเตอร์วิทัศน์ที่ได้รับการฝึกฝนล่วงหน้าด้วย ป้ายกำกับที่กำหนดเองของ Amazon Rekognition.

AWS Panorama Appliance Developers Kit: การแกะกล่องและการฝึกปฏิบัติ (พร้อมตัวอย่างโค้ด). ในวิดีโอนี้ Mike Chambers ของ AWS ML Hero แสดงวิธีเริ่มต้นใช้งาน AWS พาโนรามาซึ่งเป็นอุปกรณ์ ML และชุดพัฒนาซอฟต์แวร์ (SDK) ที่ช่วยให้นักพัฒนาสามารถนำคอมพิวเตอร์วิทัศน์และคาดการณ์ภายในเครื่องได้อย่างแม่นยำและมีเวลาแฝงต่ำ

ปรับปรุงการแปรรูปอาหารในท้องถิ่นด้วย Amazon Lookout for Vision (พร้อมตัวอย่างโค้ด). ในบทช่วยสอนเชิงลึกนี้ ฮีโร่ AWS ML Olalekan Elesin สาธิตวิธีการใช้ AI เพื่อปรับปรุงคุณภาพการคัดแยกอาหาร (โดยใช้เกล็ดมันสำปะหลัง) อย่างคุ้มค่าและปราศจากความรู้ด้าน AI

สรุป

ไม่ว่าคุณจะเพิ่งเริ่มต้นกับ ML เป็นผู้เชี่ยวชาญอยู่แล้ว หรืออยู่ระหว่างนั้น ก็ยังมีบางสิ่งให้เรียนรู้อยู่เสมอ เลือกจากบล็อก วิดีโอ คู่มือ eLearning ที่สร้างโดยชุมชนและที่เน้น ML และอีกมากมายจาก ชุมชน AWS ML.

คุณสนใจที่จะมีส่วนร่วมในชุมชนหรือไม่? นำไปใช้กับ ผู้สร้างชุมชน AWS โปรแกรมวันนี้!

เนื้อหาและความคิดเห็นในโพสต์ที่เชื่อมโยงก่อนหน้านี้เป็นของผู้เขียนบุคคลที่สาม และ AWS จะไม่รับผิดชอบต่อเนื้อหาหรือความถูกต้องของโพสต์เหล่านั้น

เกี่ยวกับผู้เขียน

คาเมรอน เปรอน เป็นผู้จัดการอาวุโสฝ่ายการตลาดสำหรับ AWS Amazon Rekognition และชุมชน AWS AI/ML เขาประกาศวิธีที่นวัตกรรม AI/ML แก้ปัญหาความท้าทายที่ซับซ้อนที่ชุมชน องค์กร และสตาร์ทอัพต้องเผชิญ นอกสำนักงาน เขาสนุกกับการคงความกระฉับกระเฉงกับกีฬาเคทเทิลเบลล์ ใช้เวลาอยู่กับครอบครัวและเพื่อนฝูง และเป็นแฟนตัวยงของบาสเก็ตบอลยูโรลีก

ที่มา: https://aws.amazon.com/blogs/machine-learning/aws-ml-community-showcase-march-2021-edition/