Object Detection with Amazon Sagemaker
Оценки: 95

7 177 уже зарегистрированы
Prepare data for Sagemaker Object Detection.
Train a model using Sagemaker.
Deploy a trained model using Sagemaker.
7 177 уже зарегистрированы
Prepare data for Sagemaker Object Detection.
Train a model using Sagemaker.
Deploy a trained model using Sagemaker.
Please note: You will need an AWS account to complete this course. Your AWS account will be charged as per your usage. Please make sure that you are able to access Sagemaker within your AWS account. If your AWS account is new, you may need to ask AWS support for access to certain resources. You should be familiar with python programming, and AWS before starting this hands on project. We use a Sagemaker P type instance in this project, and if you don't have access to this instance type, please contact AWS support and request access. In this 2-hour long project-based course, you will learn how to train and deploy an object detector using Amazon Sagemaker. Sagemaker provides a number of machine learning algorithms ready to be used for solving a number of tasks. We will use the SSD Object Detection algorithm from Sagemaker to create, train and deploy a model that will be able to localize faces of dogs and cats from the popular IIIT-Oxford Pets Dataset. Since this is a practical, project-based course, we will not dive in the theory behind deep learning based SSD or Object Detection, but will focus purely on training and deploying a model with Sagemaker. You will also need to have some experience with Amazon Web Services (AWS). Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Deep Learning
Machine Learning
sagemaker
Object Detection
Computer Vision
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Introduction
Annotations
Visualize the Data
Sagemaker Setup
Preparing the Data
Uploading Data to S3
Sagemaker Estimator
Data Channels and Model Training
Deploying the Model
Inference and Deleting the Endpoint
Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.
На разделенном экране видео преподаватель предоставляет пошаговые
от партнера MM
12 окт. 2020 г.Perfect experience, but a lot of learning still required.
от партнера MA
23 сент. 2020 г.Make Social Media pages Like FaceBook , Instagram , Twitter that we invite more Friends for like ur page and Grow Up. 👍👍👍❤️💙💛🌸🌸🌺🌺💜💖🌹🍃💞💝🌱🌷💐💕🌿🌱💓
YouTube : https://bit.ly/2PBEung
от партнера SC
25 сент. 2020 г.Great project. Very thorough and lots of useful tips and tricks. Thank you for sharing this!
от партнера VS
21 июня 2020 г.Good project to get started with AWS Sagemaker, all the steps involved are clearly explained.
Приобретая проект с консультациями, вы получаете все необходимое для его выполнения, включая браузерный доступ к рабочему столу, содержащему папки и программы для начала работы, а также пошаговые видеоинструкции от отраслевого эксперта.
Поскольку ваше рабочее пространство включает облачный рабочий стол, рассчитанный на ноутбук или ПК, проекты с консультациями недоступны на мобильном устройстве.
Преподаватели, ведущие проект с рекомендациями, — это отраслевые эксперты с навыками, инструментами и пониманием темы, которые хотят разделить свои знания с миллионами учащихся по всему миру.
Вы можете скачать и сохранить любой из созданных файлов своего проекта с рекомендациями. Для этого воспользуйтесь функцией "Обозреватель файлов" на облачном рабочем столе.
Средства за проекты с рекомендациями не возвращаются. Ознакомьтесь с полным текстом нашей политики возврата средств.
Финансовая помощь недоступна для проектов с рекомендациями.
Прослушивание недоступно для проектов с консультациями.
В верхней части страницы вы можете нажать уровень опыта для этого проекта с консультациями, чтобы просмотреть предварительные требования к знаниями. Преподаватель проведет вас пошагово по каждому уровню проекта с консультациями.
Да, все необходимое для завершения проекта с рекомендациями будет доступно на облачном рабочем столе. Вы сможете открыть этот рабочий стол в браузере.
Вы научитесь выполнять задания в режиме разделенного экрана непосредственно в браузере. В левой части экрана можно выполнять задания в своем рабочем пространстве. В правой части экрана можно просматривать пошаговые инструкции преподавателя по работе с проектом.
Остались вопросы? Посетите Центр поддержки учащихся.