Amazon SageMaker: Build an Object Detection Model Using Images Labeled with Ground Truth (Spanish)

Aperçu

Dans ce cours, nous rencontrerons le Dr Denis Batalov, leader mondial en technologie d'intelligence artificielle et de machine learning, qui vous enseignera à implémenter un pipeline de machine learning en utilisant Amazon SageMaker et Amazon SageMaker Ground Truth. Tout d'abord, vous créerez un ensemble de données étiqueté, puis vous créerez un travail d'entraînement pour former votre modèle de détection d'objets et, enfin, vous utiliserez Amazon SageMaker pour créer et mettre à jour votre modèle.

Ce cours s'adresse aux publics suivants :

• Développeurs et scientifiques des données qui souhaitent créer des pipelines de machine learning avec Amazon SageMaker en utilisant le SDK SageMaker et Python.
• Développeurs et scientifiques des données qui souhaitent utiliser Amazon SageMaker Ground Truth pour créer leurs propres ensembles de données étiquetés.

Dans ce cours, vous apprendrez à réaliser les tâches suivantes :

• Entraîner un modèle de machine learning à l'aide d'images étiquetées par Amazon SageMaker Ground Truth.
• Utiliser Amazon SageMaker Ground Truth pour identifier l'emplacement exact des abeilles dans des images individuelles d'un ensemble de données.
• Entraîner le modèle de détection d'objets en utilisant les algorithmes intégrés d'Amazon SageMaker.
• Utiliser un travail d'ajustement des hyperparamètres automatisé pour trouver un ensemble optimal d'hyperparamètres.

Nous conseillons aux participants à ce cours de répondre aux prérequis suivants :

Compréhension de base de Amazon SageMaker.

Connaissance de base du langage de programmation Python avec plusieurs bibliothèques telles que Pandas, NumPy, SageMaker et Boto3.

Ce cours est dispensé de la manière suivante :

• Formation technique numérique. Remarque : Ce cours a des transcriptions ou sous-titres localisés. La narration est en anglais.

70 minutes

Dans ce cours, les concepts suivants seront abordés :

• Téléchargement de données
• Exécution d'un travail d'étiquetage
• Entraînement d'un modèle
• Déploiement d'un modèle
• Ajustement des hyperparamètres/modèle automatisé
• Examen des résultats d'optimisation des hyperparamètres
• Remplacement d'un modèle de production de machine learning

Programme

Enseigné par

Étiquettes

united states