このコースでは、モデルトレーニングプロセスの中核となる要素の詳細を確認し、特定のトレーニング要件に最適なコンピューティング環境を選択する方法を学びます。Amazon SageMaker と、モデルの開発とトレーニングを効率的に行う方法を提供する、ビルド済みの深層学習フレームワークの Docker コンテナおよび ML ライブラリの Docker イメージについて学習します。
さらに、SageMaker の組み込みアルゴリズムとライブラリを使用して機械学習モデルを開発するハンズオンの演習も用意されています。Apache MXNet、TensorFlow、PyTorch などの一般的なフレームワークをサポートする SageMaker スクリプトモードの使い方についても学びます。このコースでは、これらの強力なツールとフレームワークを使用して堅牢で正確なモデルを構築するための知識とスキルを身に付けます。
さらに、モデルのトレーニング時間を短縮するためのさまざまな手法についても学びます。これは、機械学習ワークフローの全体的なパフォーマンスと効率を最適化する上で重要な側面です。このコースを修了すると、モデルトレーニングのプロセスを理解できるようになります。最後に、特定のユースケースに適したコンピューティング環境、フレームワーク、最適化戦略を選択する際に、情報に基づいた決定を行う方法を学びます。
- コースレベル: 300
- 所要時間: 1 時間 30 分
アクティビティ
- オンライン資料
- 演習
- ナレッジチェックの問題
コースの目標
- モデルトレーニングプロセスの中核要素を定義する。
- 特定の要件に基づいて、トレーニングに最適なコンピューティング環境を選択する。
- SageMaker の構築済み深層学習フレームワークの Docker コンテナを特定する。
- SageMaker の構築済み ML ライブラリの Docker イメージを識別する。
- SageMaker 組み込み ML アルゴリズムおよびライブラリを使用して ML モデルを開発する。
- Amazon SageMaker Studio を使用して ML モデルを開発する。
- SageMaker スクリプトモードと、Apache MXNet、TensorFlow、PyTorch などのサポートされているフレームワークを使用して ML モデルを開発する。
- モデルトレーニング時間を短縮する一般的な方法を説明する。
- 外部モデルを SageMaker に統合する方法を説明する。
対象者
- クラウドアーキテクト
- 機械学習エンジニア
推奨スキル
- SageMaker およびその他の AWS サービスを機械学習エンジニアリングに使用した経験が 1 年以上あること
- バックエンドソフトウェアデベロッパー、DevOps デベロッパー、データエンジニア、データサイエンティストなどの関連職での経験が 1 年以上あること
- Python などのプログラミング言語に関する基本的な理解
- AWS ML エンジニアアソシエイトの学習プランの以前のコースを修了していること
コースの概要
- セクション 1: はじめに
o レッスン 1: このコースの使用方法
o レッスン 2: コースの概要
o レッスン 3: モデルトレーニングの概念
- セクション 2: コンピューティング環境
o レッスン 4: コンピューティング環境の選択
o レッスン 5: AWS コンテナサービス
- セクション 3: モデルのトレーニング
o レッスン 6: Amazon SageMaker コンソールを使用してトレーニングジョブを作成する
o レッスン 7: SageMaker の組み込みアルゴリズムを使用してモデルをトレーニングする
o レッスン 8: SageMaker スクリプトモードを使用してモデルをトレーニングする
o レッスン 9: トレーニング時間を短縮する方法
- セクション 4: 外部モデル
o レッスン 10: 外部モデルを SageMaker に統合する
- セクション 5: まとめ
o レッスン 11: コースのまとめ
o レッスン 12: 評価テスト
o レッスン 13: お問い合わせ
