Deep Learning on AWS
Classroom Schulung | Deutsch | Anspruch
Schulungsdauer: 1 Tag
Ziele
In diesem eintägigen Seminar lernen Sie cloudbasierte Deep-Learning-Lösungen auf der AWS-Plattform kennen. Sie lernen, wie Sie Ihre Modelle in der Cloud mit Amazon EC2-basierten Deep Learning Amazon Machine Image (AMI) und Apache MXNet auf AWS-Frameworks ausführen. Darüber hinaus lernen Sie, wie Sie Amazon SageMaker verwenden und Ihre Deep-Learning-Modelle mit AWS-Services wie AWS Lambda und Amazon Elastic Container Service (Amazon ECS) bereitstellen, während Sie gleichzeitig intelligente Systeme auf AWS entwickeln.
Dieses Seminar wird mit der offiziellen AWS Unterlage und Systemumgebung durchgeführt. Die Unterlage und Lab sind im Preis enthalten.
Zielgruppe
- Entwickler, die für die Entwicklung von Deep-Learning-Anwendungen verantwortlich sind
- Entwickler, die die Konzepte hinter Deep Learning und die Implementierung einer Deep Learning-Lösung auf AWS verstehen möchten
Voraussetzungen
- Vorkenntnisse über die Prozesse in Machine Learning
- Vorkenntnisse über die wichtigsten AWS-Services wie Amazon EC2 und AWS SDK
- Beherrschung einer Script-Sprache wie Python
Agenda
Überblick über Machine Learning
- Eine kurze Geschichte von AI, ML und DL
- Die geschäftliche Bedeutung von ML
- Allgemeine Herausforderungen im ML
- Verschiedene Arten von ML-Problemen und -Aufgaben
- KI auf AWS
Einführung in Deep Learning
- Einführung in DL
- Die DL-Konzepte
- Eine Zusammenfassung, wie man DL-Modelle auf AWS trainiert
- Einführung in Amazon SageMaker
Einführung in Apache MXNet
- Die Motivation für und die Vorteile der Verwendung von MXNet und Gluon
- Wichtige Begriffe und APIs, die in MXNet verwendet werden
- Faltungsneuronale Netzwerke (CNN) Architektur
ML- und DL-Architekturen auf AWS
- AWS-Dienste für die Bereitstellung von DL-Modellen (AWS Lambda, AWS IoT Greengrass, Amazon ECS, AWS Elastic Beanstalk)
- Einführung in AWS AI-Services, die auf DL basieren (Amazon Polly, Amazon Lex, Amazon Rekognition)
Ziele
In diesem eintägigen Seminar lernen Sie cloudbasierte Deep-Learning-Lösungen auf der AWS-Plattform kennen. Sie lernen, wie Sie Ihre Modelle in der Cloud mit Amazon EC2-basierten Deep Learning Amazon Machine Image (AMI) und Apache MXNet auf AWS-Frameworks ausführen. Darüber hinaus lernen Sie, wie Sie Amazon SageMaker verwenden und Ihre Deep-Learning-Modelle mit AWS-Services wie AWS Lambda und Amazon Elastic Container Service (Amazon ECS) bereitstellen, während Sie gleichzeitig intelligente Systeme auf AWS entwickeln.
Dieses Seminar wird mit der offiziellen AWS Unterlage und Systemumgebung durchgeführt. Die Unterlage und Lab sind im Preis enthalten.
Zielgruppe
- Entwickler, die für die Entwicklung von Deep-Learning-Anwendungen verantwortlich sind
- Entwickler, die die Konzepte hinter Deep Learning und die Implementierung einer Deep Learning-Lösung auf AWS verstehen möchten
Voraussetzungen
- Vorkenntnisse über die Prozesse in Machine Learning
- Vorkenntnisse über die wichtigsten AWS-Services wie Amazon EC2 und AWS SDK
- Beherrschung einer Script-Sprache wie Python
Agenda
Überblick über Machine Learning
- Eine kurze Geschichte von AI, ML und DL
- Die geschäftliche Bedeutung von ML
- Allgemeine Herausforderungen im ML
- Verschiedene Arten von ML-Problemen und -Aufgaben
- KI auf AWS
Einführung in Deep Learning
- Einführung in DL
- Die DL-Konzepte
- Eine Zusammenfassung, wie man DL-Modelle auf AWS trainiert
- Einführung in Amazon SageMaker
Einführung in Apache MXNet
- Die Motivation für und die Vorteile der Verwendung von MXNet und Gluon
- Wichtige Begriffe und APIs, die in MXNet verwendet werden
- Faltungsneuronale Netzwerke (CNN) Architektur
ML- und DL-Architekturen auf AWS
- AWS-Dienste für die Bereitstellung von DL-Modellen (AWS Lambda, AWS IoT Greengrass, Amazon ECS, AWS Elastic Beanstalk)
- Einführung in AWS AI-Services, die auf DL basieren (Amazon Polly, Amazon Lex, Amazon Rekognition)