Résumé du cours
Au cours de la formation les participants découvriront les solutions de Deep Learning d'AWS, y compris les scénarios où le deep learing a du sens et comment il fonctionne. Ils apprendront à exécuter des modèles deep learning sur le cloud à l'aide d'Amazon SageMaker et du framework MXNet. Ils apprendront également à déployer leurs modèles deep learning à l'aide de services comme AWS Lambda tout en concevant des systèmes intelligents sur AWS.
Moyens d'évaluation :
- Quiz pré-formation de vérification des connaissances (si applicable)
- Évaluations formatives pendant la formation, à travers les travaux pratiques réalisés sur les labs à l’issue de chaque module, QCM, mises en situation…
- Complétion par chaque participant d’un questionnaire et/ou questionnaire de positionnement en amont et à l’issue de la formation pour validation de l’acquisition des compétences
A qui s'adresse cette formation
- Développeurs responsables du développement d'applications deep learning
- Développeurs qui souhaitent comprendre les concepts derrière le deep learning et comment mettre en oeuvre une solution deep learning sur le cloud AWS
Certifications
Cette formation prépare à la/aux certifications:
Pré-requis
- Compréhension de base des processus de Machine Learning
- Compréhension de base des services essentiels AWS comme Amazon EC2 et des kits SDK AWS
- Connaître un langage de script comme Python
Objectifs
- Savoir définir les concepts de Machine Learning et de deep learning
- Être capable d'identifier les concepts dans un écosystème de deep learning
- Savoir tirer profit d'Amazon SageMaker et des frameworks de programmation MXNet pour les charges de travail deep learning
- Comprendre comment adapter les solutions AWS de façon appropriée pour des déploiements deep learning
Contenu
PRÉSENTATION DU MACHINE LEARNING
- Bref historique de l'IA, du ML et du DL
- L'importance commerciale du ML
- Défis communs en ML
- Différents types de problèmes et de tâches de ML
- IA sur AWS
INTRODUCTION AU DEEP LEARNING
- Introduction au DL
- Les notions de DL
- Résumé sur la façon de former des modèles DL sur AWS
- Présentation d'Amazon SageMaker
- Lab : création d'une instance de bloc-notes Amazon SageMaker et exécution d'un modèle de réseau neuronal perceptron multicouche
INTRODUCTION À APACHE MXNET
- La motivation et les avantages d'utiliser MXNet et Gluon
- Termes et API importants utilisés dans MXNet
- Architecture des réseaux de neurones convolutifs (CNN)
- Lab : formation d'un CNN sur un ensemble de données CIFAR-10
ARCHITECTURES ML ET DL SUR AWS
- Services AWS pour le déploiement de modèles DL (AWS Lambda, AWS IoT Greengrass, Amazon ECS, AWS Elastic Beanstalk)
- Introduction aux services AWS AI basés sur DL (Amazon Polly, Amazon Lex, Amazon Rekognition)
- Lab : déploiement d'un modèle entraîné pour la prédiction sur AWS Lambda
Français
Anglais
Allemand
France
Suisse
Emirats-Arabes-Unis
Qatar
Egypte
Moyens Pédagogiques :