Deep Learning on AWS - GK7375
Description
Deep Learning sur AWS est un cours d'une journée qui vous présente les solutions de Deep Learning (DL) basées sur le cloud sur Amazon Web Services (AWS). La formation détaille l'utilité du deep learning et expliquera ses différents concepts. Elle vous apprend également à exécuter vos modèles sur le cloud à l'aide d'Amazon SageMaker et du framework MXNet. De plus, vous acquerrez une meilleure compréhension du déploiement de vos modèles d'apprentissage en profondeur à l'aide de services AWS comme AWS Lambda et Amazon EC2 Container Service (Amazon ECS) tout en concevant des systèmes intelligents sur AWS, basés sur l'apprentissage en profondeur.
DEROULE PEDAGOGIQUE
- Introduction au Machine Learning
- Introduction au Deep learning
- Atelier 1 : Lancement d'une instance de bloc-notes Amazon SageMaker et exécution d'un modèle de réseau neuronal perceptron multicouche
- Présentation de MXNet sur AWS
- Atelier 2 : Exécution d'un modèle de réseau neuronal convolutif (CNN) pour prédire des images à l'aide de l'ensemble de données CIFAR 10
- Déploiement d'applications intelligentes sur AWS
- Atelier 3 : Déploiement d'un modèle de Deep Learning pour prédire les images à l'aide d'AWS Lambda
Objectifs
Validez de nouvelles COMPETENCES
A l'issue de la formation, vous serez en mesure de :
- Définir l'apprentissage automatique et le deep learning (apprentissage en profondeur)
- Identifier les concepts d'un écosystème d'apprentissage en profondeur
- Tirer parti du cadre de programmation Amazon SageMaker et MXNet pour les charges de travail de deep learning
- Adapter les solutions AWS aux déploiements de deep learning
Résultat
Les interactions avec notre instructeur et vos pairs en classe ainsi que la réalisation de labs pratiques constituent un atout essentiel à la progression pédagogique et l'acquisition de compétences.
Le contenu officiel de notre formation permet de préparer efficacement au passage de l'examen de certification AWS.
Un certificat de réalisation est remis en fin de formation.