Amazon SageMaker: creazione di un modello di rilevamento degli oggetti utilizzando immagini etichettate con Ground Truth (Italiano) | Amazon SageMaker: Build an Object Detection Model Using Images Labeled with Ground Truth (Italian)

Descrizione

In questo corso, seguiremo il Dott. Denis Batalov, leader tecnico di IA/ML a livello mondiale, che ci spiegherà come implementare una pipeline del machine learning con Amazon SageMaker e Amazon SageMaker Ground Truth. Per prima cosa si creerà un set di dati etichettato, quindi si creerà un processo di formazione per addestrare il modello di rilevamento degli oggetti e infine si utilizzerà Amazon SageMaker per creare e aggiornare il modello.

Nota: questo corso fornisce trascrizioni/sottotitoli localizzati. La narrazione è in inglese.

Destinatari principali

Questo corso è rivolto a:

• Sviluppatori e data scientist che desiderano creare pipeline di machine learning con Amazon SageMaker utilizzando l'SDK Sagemaker e Python.
• Sviluppatori e data scientist che desiderano utilizzare Amazon SageMaker Ground Truth per creare i propri set di dati etichettati.

Obiettivi del corso

In questo corso, scoprirai come:

• Addestrare un modello di machine learning utilizzando immagini etichettate da Amazon SageMaker Ground Truth
• Utilizzare Amazon SageMaker Ground Truth per identificare l'esatta posizione delle api nelle singole immagini in un set di dati
• Addestrare il modello di rilevamento degli oggetti utilizzando gli algoritmi integrati di Amazon SageMaker
• Utilizzare un processo automatizzato di ottimizzazione degli iperparametri per trovare un set ottimale di iperparametri

Prerequisiti

È consigliabile che i partecipanti a questo corso possiedano i seguenti prerequisiti:

• Una conoscenza di base di Amazon SageMaker (https://aws.amazon.com/sagemaker/)
• Una conoscenza di base del linguaggio di programmazione Python con varie librerie come Pandas, NumPy, SageMaker e Boto3

Tipo di corso

Il corso viene offerto mediante:

• Formazione digitale

Durata

70 minuti

Riepilogo del corso

Il corso tratta i seguenti argomenti:

• Download dei dati
• Esecuzione di un processo di etichettatura
• Addestramento di un modello
• Distribuzione di un modello
• Iperparametri/ottimizzazione automatizzata del modello
• Analisi dei risultati dell'ottimizzazione degli iperparametri
• Sostituzione di un modello di produzione di machine learning