AWS-DEEPL: Deep Learning on AWS

Trong khóa học này, bạn sẽ tìm hiểu về các giải pháp học sâu (deep learning) của AWS, bao gồm các tình huống mà học sâu có ý nghĩa và cách thức hoạt động của học sâu. Bạn sẽ học cách chạy các mô hình học sâu trên đám mây sử dụng Amazon SageMaker và framework MXNet. Bạn cũng sẽ học cách triển khai các mô hình học sâu của mình thông qua các dịch vụ như AWS Lambda trong khi thiết kế các hệ thống thông minh trên AWS.

• Cấp độ khóa học: Trung cấp

• Thời lượng: 1 ngày

• Khóa học này bao gồm các buổi thuyết trình, bài tập nhóm và các bài thực hành.

   

Trong khóa học này, bạn sẽ:

• Học các định nghĩa về học máy (ML) và học sâu (Deep Learning)

• Học cách nhận diện các khái niệm trong hệ sinh thái Deep Learning

• Sử dụng Amazon SageMaker và framework lập trình MXNet cho các công việc Deep Learning

• Áp dụng các giải pháp của AWS cho việc triển khai Deep Learning

• Kiến thức cơ bản về các quy trình học máy (ML)

• Kiến thức về các dịch vụ cốt lõi của AWS như Amazon EC2 và AWS SDK

• Kiến thức về một ngôn ngữ lập trình kịch bản như Python

• Các nhà phát triển chịu trách nhiệm phát triển các ứng dụng học sâu

• Các nhà phát triển muốn hiểu các khái niệm đằng sau học sâu và cách triển khai giải pháp học sâu trên đám mây AWS

Module 1: Machine learning overview

A brief history of AI, ML, and DL

The business importance of ML

Common challenges in ML

Different types of ML problems and tasks

AI on AWS

Module 2: Introduction to deep learning

• Introduction to DL

• The DL concepts

• A summary of how to train DL models on AWS

• Introduction to Amazon SageMaker

• Hands-on lab: Spinning up an Amazon SageMaker notebook instance and running a multilayer perceptron neural network model

Module 3: Introduction to Apache MXNet

• The motivation for and benefits of using MXNet and Gluon

• Important terms and APIs used in MXNet

• Convolutional neural networks (CNN) architecture

• Hands-on lab: Training a CNN on a CIFAR-10 dataset

Module 4: ML and DL architectures on AWS

• AWS services for deploying DL models (AWS Lambda, AWS IoT Greengrass, Amazon ECS, AWSElastic Beanstalk)

• Introduction to AWS AI services that are based on DL (Amazon Polly, Amazon Lex, Amazon Rekognition)

• Hands-on lab: Deploying a trained model for prediction on AWS Lambda