使用 AWS 和 NVIDIA 進行機器學習實踐

Contents

本課程介紹AWS和NVIDIA提供的ML功能，讓資料科學家和開發人員能夠快速且有效地建構、訓練和部署機器學習模型。使用Amazon SageMaker和Amazon EC2實例，並且使用GPU加速來進行高效的模型訓練和推理。課程專為從事機器學習的從業者設計，提供實踐操作並且涵蓋電腦視覺和自然語言處理等用例。完成課程後，學員將掌握在Amazon SageMaker中使用GPU加速構建、訓練、部署和優化ML模型的技能。

關於此專業課程

機器學習 (ML) 專案可能很複雜、乏味且耗時。 AWS 和 NVIDIA 為您的 ML 專案提供快速、有效且易於使用的功能來解決這一挑戰。

本課程專為 ML 從業者設計，包括資料科學家和開發人員，他們具有機器學習工作流程的應用知識。在本課程中，您將親身體驗如何使用由 NVIDIA GPU 提供支持的 Amazon SageMaker 和 Amazon EC2 實例來建構、訓練和部署可擴展的機器學習模型。 Amazon SageMaker 通過匯集專為 ML 構建的廣泛功能集，幫助資料科學家和開發人員快速準備、構建、訓練和部署高品質的 ML 模型。由 NVIDIA GPU 和 NVIDIA 軟體提供支持的 Amazon EC2 實例在雲端提供高性能 GPU 優化實例，以實現高效的模型訓練和具有成本效益的模型推理託管。

在本課程中，您將首先大致了解 Amazon SageMaker 和 NVIDIA GPU。然後，您將通過運行 GPU 驅動的 Amazon SageMaker 筆記本實例來親身體驗。然後，您將學習如何為模型訓練準備資料集、構建模型、執行模型訓練以及部署和優化 ML 模型。您還將通過實踐學習如何將此工作流應用於電腦視覺 (Computer Vision，CV) 和自然語言處理 (NLP) 用例。完成本課程後，您將能夠在 Amazon SageMaker 中使用 GPU 加速構建、訓練、部署和優化 ML 工作流，並了解適用於電腦視覺和 NLP ML 任務的關鍵 Amazon SageMaker 服務。

到官方網站了解本課程與上課

machine learning

你將獲得的技能：

自然語言處理(NLP)	Machine Learning Operations (MLOps)	NVIDIA GPU Acceleration
電腦視覺	Automated Machine Learning ( AutoML )	C/C++

字幕

英文

製作方

AWS 雅馬遜網路服務系統

自 2006 年以來，Amazon Web Services 一直是世界上最全面、應用最廣泛的雲平台。 AWS 在 44 個可用區中為計算、儲存、網路、資料庫、分析、應用程式服務、部署、管理、開發人員、行動、物聯網 (IoT)、人工智慧、安全、混合和企業應用程式提供 90 多種功能齊全的服務跨越 16 個地理區域。 AWS 服務受到全球數百萬活躍客戶的信賴 – 包括發展最快的新創公司、最大的企業和領先的政府機構 – 為他們的基礎設施提供支持，使他們更加敏捷，並降低成本。

Coursera 和 AWS 自 2017 年以來一直是合作夥伴，為全球的學習者和企業提供成功所需的技能。 Coursera 在 AWS 伺服器上構建，可以根據學生的需求進行擴展，對容量和彈性充滿信心，並與 AWS 合作。 2019 年，Coursera 獲得了高級合作夥伴身份，並進一步擴展了與 AWS Educate、AWS EdStart 和 AWS Academy 的合作關係。 Coursera 已經能夠通過 Coursera 平台上的 8 門 AWS 課程讓雲技能更容易獲得，這些課程由頂級主題專家組成，而且課程組合還在繼續增長。要了解有關 AWS 的更多資訊，請訪問 https://aws.amazon.com。

NVIDIA

NVIDIA Training 提供滿足不同學習需求的資源——從學習材料到自定進度和現場培訓再到教育計劃 – 為個人、團隊、組織、教育工作者和學生提供他們在人工智慧、加速計算、加速圖形和加速方面的知識增長所需的資源。模擬等等。

無論您是對應用程式開發、基礎設施管理還是通用 AI 技術感興趣，都可以在 http://www.nvidia.com/en-us/learn/enterprise 找到有針對性的培訓資源。

第 1 週 Amazon SageMaker 和 NVIDIA GPU 簡介

在本模組中，您將了解 Amazon SageMaker 中用於現代機器學習 (ML) 的專用工具。這包括 Amazon SageMaker Studio IDE 導覽，可用於準備、構建、訓練和調整以及部署和管理您自己的 ML 模型。然後，您將學習如何使用 Amazon SageMaker 經典筆記本和 Amazon SageMaker Studio 筆記本開發自然語言處理 (NLP)、電腦視覺 (CV) 和其他使用 NVIDIA RAPIDS 的 ML 模型。您還將深入了解 NVIDIA GPU、NVIDIA NGC 目錄以及 AWS 上適用於 ML 的實例。

第 2 週使用 RAPIDS 和 Amazon SageMaker 的 GPU 加速機器學習工作流

在本模組中，您將應用您在 NVIDIA GPU 和 Amazon SageMaker 方面的知識。您將了解 GPU 加速機器學習的背景知識並執行設置 Amazon SageMaker 所需的步驟。然後，您將了解資料採集和資料轉換，繼續進行模型設計和訓練，最後評估超參數優化、AutoML 和 GPU 加速推理。

第 3 週電腦視覺

在本模組中，您將了解深度學習在電腦視覺 (CV) 中的應用。作為人類，大自然將我們一半的大腦用於視覺處理，這使得它對我們如何感知世界至關重要。賦予機器視覺一直是一項具有挑戰性的工作，但計算、演算法和資料品質的進步使電腦視覺比以往任何時候都更容易獲得。從行動相機到工業機械鏡頭，從生物實驗室到醫院成像，從自動駕駛汽車到安全攝影機，像素格式的數據是對消費者和公司最有價值的數資料類型之一。在本模組中，您將探索常見的 CV 應用程式，並將學習如何使用 NVIDIA GPU 在 Amazon SageMaker 上建構端到端物件檢測模型。

第 4 週自然語言處理

在本模組中，您將了解深度學習技術在語言理解問題中的應用。理解語言意味著什麼？什麼是語言建模？什麼是 BERT 語言模型，為什麼在搜索、辦公軟件和語音代理等許多流行服務中使用這種語言模型？ NVIDIA GPU 是用於訓練和部署 NLP 模型的快速且經濟高效的平台嗎？在本節中，您將找到所有這些問題的答案以及更多內容。無論您是考慮實施的經驗豐富的 ML 工程師，還是想要學習快速部署像 BERT 這樣的語言理解模型的開發人員，此模組都適合您。