-
Bitte beachten Sie: Dieser Kurs wird seit Januar 2024 nicht mehr angeboten. Wir beraten Sie gerne zu einer möglichen Alternative.
-
Dieser Kurs stellt Ihnen Cloud-basierte Deep Learning-Lösungen für Amazon Web Services (AWS) vor. Das Training wird zeigen, wofür Deep Learning nützlich ist und seine verschiedenen Konzepte erklären. In diesem Kurs erfahren Sie außerdem, wie Sie Ihre Modelle in der Cloud mit Amazon Elastic Compute Cloud (Amazon EC2), Deep Learning, Amazon Machine Image (AMI) und MXNet Framework ausführen. Darüber hinaus erhalten Sie ein besseres Verständnis für die Bereitstellung Ihrer Deep Learning-Modelle mithilfe von AWS-Services wie AWS Lambda und Amazon EC2 Container Service (Amazon ECS), während Sie intelligente Systeme auf AWS basierend auf Deep Learning entwickeln.
-
Kursinhalt
-
- Einführung in das maschinelle Lernen
- Einführung in Deep Learning
- Lab 1: Einrichten einer Deep Learning AMI-Instanz und Ausführen eines mehrschichtigen Perceptron-Modells
- Einführung in MXNet unter AWS
- Lab 2: Ausführen eines Faltungsmodells für ein neuronales Netzwerk und Vorhersagen von Bildern in einem CIFAR-10-Datensatz
- Bereitstellen von Deep Learning-Workloads in AWS
- Lab 3: Bereitstellen eines Deep Learning-Modells zur Vorhersage von Bildern mit AWS Lambda
Auf die Labs haben Sie nach dem Kurs noch weitere 14 Tage Zugriff. So können Sie Übungen wiederholen oder individuell vertiefen.
-
Zielgruppe
-
• Entwickler, die für die Entwicklung von Deep Learning-Anwendungen verantwortlich sind,
• Entwickler, die Konzepte hinter Deep Learning verstehen und eine Deep Learning-Lösung auf AWS implementieren möchten. -
Voraussetzungen
-
Wir empfehlen, dass Teilnehmer dieses Kurses folgende Voraussetzungen erfüllen:
Grundlegendes Verständnis von maschinellen Lernprozessen
Grundlegendes Verständnis der Kerndienste von AWS wie Amazon EC2 und Kenntnisse des AWS SDK
Grundkenntnisse einer Skriptsprache, z. B. PythonBestandteil der Schulung sind praktische Labor-Übungen mit der AWS Umgebung. Um diese
erfolgreich durchführen zu können, ist ein internetfähiges Notebook (Windows, Linux, MacOS)
Voraussetzung.Wichtig: Bitte bringen Sie daher Ihr Notebook zum Kurs mit! Falls dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf. -
Ergänzende und aufbauende Kurse
-
Practical Data Science with Amazon SageMaker
The Machine Learning Pipeline on AWS -
Beachten Sie bitte unsere Übersicht AWS Trainings!
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 multi-layer 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 |
Zertifizierung zum AWS Certified Machine Learning Specialty – Specialty Zertifizierung
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
Inhouse-Schulung jetzt anfragen >>>
-
Bitte beachten Sie: Dieser Kurs wird seit Januar 2024 nicht mehr angeboten. Wir beraten Sie gerne zu einer möglichen Alternative.
-
Dieser Kurs stellt Ihnen Cloud-basierte Deep Learning-Lösungen für Amazon Web Services (AWS) vor. Das Training wird zeigen, wofür Deep Learning nützlich ist und seine verschiedenen Konzepte erklären. In diesem Kurs erfahren Sie außerdem, wie Sie Ihre Modelle in der Cloud mit Amazon Elastic Compute Cloud (Amazon EC2), Deep Learning, Amazon Machine Image (AMI) und MXNet Framework ausführen. Darüber hinaus erhalten Sie ein besseres Verständnis für die Bereitstellung Ihrer Deep Learning-Modelle mithilfe von AWS-Services wie AWS Lambda und Amazon EC2 Container Service (Amazon ECS), während Sie intelligente Systeme auf AWS basierend auf Deep Learning entwickeln.
-
Kursinhalt
-
- Einführung in das maschinelle Lernen
- Einführung in Deep Learning
- Lab 1: Einrichten einer Deep Learning AMI-Instanz und Ausführen eines mehrschichtigen Perceptron-Modells
- Einführung in MXNet unter AWS
- Lab 2: Ausführen eines Faltungsmodells für ein neuronales Netzwerk und Vorhersagen von Bildern in einem CIFAR-10-Datensatz
- Bereitstellen von Deep Learning-Workloads in AWS
- Lab 3: Bereitstellen eines Deep Learning-Modells zur Vorhersage von Bildern mit AWS Lambda
Auf die Labs haben Sie nach dem Kurs noch weitere 14 Tage Zugriff. So können Sie Übungen wiederholen oder individuell vertiefen.
-
Zielgruppe
-
• Entwickler, die für die Entwicklung von Deep Learning-Anwendungen verantwortlich sind,
• Entwickler, die Konzepte hinter Deep Learning verstehen und eine Deep Learning-Lösung auf AWS implementieren möchten. -
Voraussetzungen
-
Wir empfehlen, dass Teilnehmer dieses Kurses folgende Voraussetzungen erfüllen:
Grundlegendes Verständnis von maschinellen Lernprozessen
Grundlegendes Verständnis der Kerndienste von AWS wie Amazon EC2 und Kenntnisse des AWS SDK
Grundkenntnisse einer Skriptsprache, z. B. PythonBestandteil der Schulung sind praktische Labor-Übungen mit der AWS Umgebung. Um diese
erfolgreich durchführen zu können, ist ein internetfähiges Notebook (Windows, Linux, MacOS)
Voraussetzung.Wichtig: Bitte bringen Sie daher Ihr Notebook zum Kurs mit! Falls dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf. -
Ergänzende und aufbauende Kurse
-
Practical Data Science with Amazon SageMaker
The Machine Learning Pipeline on AWS -
Beachten Sie bitte unsere Übersicht AWS Trainings!
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 multi-layer 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 |
Zertifizierung zum AWS Certified Machine Learning Specialty – Specialty Zertifizierung
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
Inhouse-Schulung jetzt anfragen >>>