Amazon SageMaker: Build an Object Detection Model Using Images Labeled with Ground Truth (Spanish)

En estecurso, nos encontraremos con el Dr. Denis Batalov, líder en tecnología de inteligencia artificial y aprendizaje automático a nivel mundial, quien le enseñará a implementar una canalización de aprendizaje automático mediante el uso de Amazon SageMaker y Amazon SageMaker Ground Truth. En primer lugar, creará un conjunto de datos etiquetado, luego creará un trabajo de entrenamiento para entrenar su modelo de detección de objetos y, finalmente, utilizará Amazon SageMaker para crear y actualizar su modelo.

Este curso está dirigido a los siguientes destinatarios:

• Desarrolladores y científicos de datos que desean crear canalizaciones de aprendizaje automático con Amazon SageMaker mediante el SDK de Sagemaker y Python.
• Desarrolladores y científicos de datos que desean utilizar Amazon SageMaker Ground Truth para crear sus propios conjuntos de datos etiquetados.

En este curso, aprenderá a realizar lo siguiente:

• Entrenar un modelo de aprendizaje automático a través de imágenes etiquetadas por Amazon SageMaker Ground Truth
• Utilizar Amazon SageMaker Ground Truth para identificar la ubicación exacta de las abejas en imágenes individuales de un conjunto de datos
• Entrenar el modelo de detección de objetos mediante algoritmos integrados de Amazon SageMaker
• Utilizar un trabajo de ajuste de hiperparámetros automatizado para encontrar un conjunto óptimo de hiperparámetros

Aconsejamos que los asistentes a este curso cumplan con los siguientes requisitos previos:- Comprensión básica de Amazon SageMaker (https://aws.amazon.com/sagemaker/)- Conocimiento básico del lenguaje de programación Python con varias bibliotecas como Pandas, NumPy, SageMaker y Boto3

Este curso se imparte de la siguiente manera:

• Formación técnica digital Nota: Este curso tiene transcripciones o subtítulos localizados. La narración está en inglés.

70 minutos

En este curso, se tratarán los siguientes conceptos:

• Descarga de datos
• Ejecución de un trabajo de etiquetado
• Entrenamiento de un modelo
• Implementación de un modelo
• Hiperparámetros/ajuste de modelo automatizado
• Examen de los resultados de optimización de hiperparámetros
• Sustitución de un modelo de producción de aprendizaje automático