AWS 和 NVIDIA 合作開發了一個在線課程，通過 NVIDIA Amazon 提供的 EC2 實例，指導您完成 Amazon GPU 的簡單易學和實用介紹。本課程以服務的實際應用為基礎，讓您有機會從機器學習開發方面的專家那里親身學習。通過簡單而直接的方法，一旦完成，您將有信心和能力立即開始您的 ML 項目的工作。
機器學習可能是復雜、乏味和耗時的。 AWS 和 NVIDIA 提供了最快、最有效和易于使用的 ML 工具，幫助您開始您的 ML 項目。 Amazon SageMaker 通過匯集一系列專門為 ML 而構建的功能，幫助數據科學家和開發人員快速準備、構建、培訓和部署高質量的 ML 模型。 Amazon EC2 實例由 NVIDIA GPU 提供支持與 NVIDIA 軟件一起，在云中提供高性能、[ZFBB]優化實例，以實現高效的模型訓練和經濟高效的模型推理托管。
在本課程中，您將首先獲得現代機器學習的高級概述。然后，我們將直接切入，讓您啟動并運行一個 GPU 驅動的 SageMaker 實例。您將學習如何準備用于訓練模型的數據集，如何構建模型，如何執行模型訓練，以及如何部署和優化模型。您將學習如何將此工作流應用于計算機視覺（ CV ）和自然語言處理（ NLP ）用例。
完成本課程后，您將能夠使用 GPU acceleration in Amazon SageMaker 中的 SageMaker 服務。您將感到有能力以更高效的方式解決復雜的機器學習問題，并有信心和能力。通過使用 SageMaker ，您將簡化工作流程，以便能夠快速構建和部署 ML 模型，從而使您能夠專注于其他需要解決的問題。
課程概述
本課程是為機器學習實踐者設計的，包括數據科學家和開發人員，他們對機器學習工作流程有一定的了解。在本課程中，您將獲得使用由 NVIDIA GPU 提供電源的 Amazon SageMaker 和 Amazon EC2 實例的實際操作經驗。本課程共有四個模塊：
模塊 1 –介紹 Amazon SageMaker 和 NVIDIA GPU
在本模塊中，您將了解 Amazon SageMaker 中用于現代機器學習的專用工具。這包括參觀 Amazon SageMaker Studio IDE ，該 IDE 可用于準備、構建、訓練和調整以及部署和管理您自己的 ML 模型。然后，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 ）、計算機視覺（ CV ）和其他使用 RAPIDS 的 ML 模型。您還將深入了解 NVIDIA GPU 、 NGC 目錄以及 AWS for ML 上提供的實例。
模塊 2 – GPU 使用 RAPIDS 和 Amazon SageMaker 加速機器學習工作流
在本模塊中，您將應用您對 NVIDIA GPU 和 Amazon SageMaker 的知識。您將獲得 GPU 加速機器學習的背景知識，并執行設置 Amazon SageMaker 所需的步驟。然后，您將學習數據采集和數據轉換，繼續進行模型設計和培訓，并通過評估超參數優化、 AutoML 和 GPU 加速推斷來結束。
模塊 3- 計算機視覺
在本模塊中，您將了解計算機視覺深度學習（ CV ）的應用。作為人類，我們一半的大腦致力于視覺處理，這對我們如何感知世界至關重要。賦予機器視覺是一項具有挑戰性的工作，但計算機、算法和數據質量的進步使計算機視覺比以往任何時候都更容易獲得。從移動攝像機到工業機械鏡頭，從生物實驗室到醫院成像，從自動駕駛汽車到安全攝像機，像素格式的數據是消費者和公司最有價值的數據類型之一。在本模塊中，您將探索常見的 CV 應用程序，并將學習如何使用 NVIDIA Amazon 在 Amazon GPU 上構建端到端對象檢測模型。
模塊 4 –自然語言處理
在本模塊中，您將學習如何將深度學習技術應用于語言理解問題。理解語言意味著什么？什么是語言建模？ BERT 語言模型是什么？為什么在搜索、辦公生產力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 是培訓和部署 NLP 模型的快速且經濟高效的平臺嗎？在本模塊中，您將找到所有這些問題以及更多問題的答案。無論您是考慮實現的經驗豐富的 ML 工程師，還是希望學習快速部署 BERT 之類的語言理解模型的開發人員，本模塊都適合您。
結論
AWS 和 NVIDIA 提供快速、有效、易于使用的 ML 工具，幫助您開始進行 ML 項目。 了解更多?關于指導您完成 ML 之旅的課程！
?
