Corso Deep Learning on AWS

Di seguito una sintesi degli obiettivi principali del corso Corso Deep Learning on AWS:

- Acquisire conoscenze e competenze per utilizzare i servizi di deep learning forniti da AWS.

- Imparare ad utilizzare Amazon SageMaker per creare, formare e distribuire modelli di deep learning.

- Essere introdotti ai principali algoritmi di deep learning.

- Applicare algoritmi di deep learning per risolvere problemi di apprendimento supervisionato e non supervisionato.

- Destinare le competenze acquisite a sviluppatori di software, data scientist e altri professionisti IT.

Certificazione del corso

Esame AWS Certified Machine Learning – Specialty;

L’esame di certificazione AWS Certified Machine Learning – Specialty (MLS-C01) è progettato per valutare le competenze avanzate dei candidati nella progettazione, implementazione e gestione di soluzioni di machine learning su AWS. L’esame copre tematiche come la scelta degli algoritmi appropriati, la preparazione dei dati, la formazione e il perfezionamento dei modelli, e il deployment e l’ottimizzazione delle soluzioni di machine learning.

L’obiettivo principale è garantire che i candidati dimostrino una conoscenza approfondita delle best practice e delle soluzioni avanzate AWS per lo sviluppo di applicazioni di machine learning. Durante l’esame, i candidati affronteranno argomenti quali la progettazione di architetture scalabili e sicure, l’uso di servizi AWS come SageMaker e l’integrazione con altri servizi AWS per l’analisi dei dati.

Contenuti del corso

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, AWS

- Elastic 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

Tipologia

Si consiglia la partecipazione al Corso AWS Technical Essentials e al Corso Python Developer.

Esame AWS Certified Machine Learning – Specialty;

L’esame di certificazione AWS Certified Machine Learning – Specialty (MLS-C01) è progettato per valutare le competenze avanzate dei candidati nella progettazione, implementazione e gestione di soluzioni di machine learning su AWS. L’esame copre tematiche come la scelta degli algoritmi appropriati, la preparazione dei dati, la formazione e il perfezionamento dei modelli, e il deployment e l’ottimizzazione delle soluzioni di machine learning.

L’obiettivo principale è garantire che i candidati dimostrino una conoscenza approfondita delle best practice e delle soluzioni avanzate AWS per lo sviluppo di applicazioni di machine learning. Durante l’esame, i candidati affronteranno argomenti quali la progettazione di architetture scalabili e sicure, l’uso di servizi AWS come SageMaker e l’integrazione con altri servizi AWS per l’analisi dei dati.