Building Recommendation System Using MXNET on AWS Sagemaker

提供:
このガイド付きプロジェクトでは、次のことを行います。

Learn how to train a Recommendation System using Matrix Factorization using AWS Sagemaker.

Deploy it in production on the cloud using AWS Sagemaker.

2 to 3 hours
上級
ダウンロード不要
分割画面ビデオ
英語
デスクトップのみ

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 for training the model, 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 how to train and deploy a Recommendation System using AWS Sagemaker. We will go through the detailed step by step process of training a recommendation system on the Amazon's Electronics dataset. We will be using a Notebook Instance to build our training model. You will learn how to use Apache's MXNET Deep Learning Model on the AWS Sagemaker platform. Since this is a practical, project-based course, we will not dive in the theory behind recommendation systems, but will focus purely on training and deploying a model with AWS Sagemaker. You will also need to have some experience with Amazon Web Services (AWS) and knowledge of how deep learning frameworks work. 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.

あなたが開発するスキル

  • Deep Learning

  • aws

  • sagemaker

  • Python Programming

  • Recommender Systems

ステップバイステップで学習します

ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。

  1. Introduction

  2. Create a AWS Sagemaker Notebook Instance.

  3. Download the data.

  4. Explore and Visualize the data.

  5. Prepare the data.

  6. Building the Network.

  7. Creating the Training Function.

  8. Creating the Deployment Functions.

  9. Training and Deploying the Model.

  10. Evaluating the Model.

ガイド付きプロジェクトの仕組み

ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です

分割画面のビデオで、講師が手順ごとにガイドします

よくある質問

ガイド付きプロジェクトを購入することによって、ガイド付きプロジェクトを完了するために必要なものすべてが得られます。これには、開始する必要のあるファイルとソフトウェアを含むWebブラウザを介したクラウドデスクトップワークスペースへのアクセスの他、専門家によるステップバイステップのビデオ講座が含まれます。

ワークスペースにはラップトップまたはデスクトップコンピューターに適したサイズのクラウドデスクトップが含まれているため、モバイル機器ではガイド付きプロジェクトを使用できません。

ガイド付きプロジェクトの講師は、プロジェクトのスキル、ツール、またはその分野での経験があり、知識を共有して世界中の何百万人もの受講生に影響を与えるたことに情熱を持つ専門家です。

ガイド付きプロジェクトから作成したファイルをダウンロードして保持できます。そのためには、クラウドデスクトップにアクセスしているときに「ファイルブラウザ」機能を使用できます。

ガイド付きプロジェクトは払い戻しの対象外です。すべての返金ポリシーを表示する

ガイド付きプロジェクトには学費援助が利用できません。

ガイド付きプロジェクトでは監査を使用できません。

ページの上部で、このガイド付きプロジェクトの経験レベルを押して、知識の前提条件を表示できます。ガイド付きプロジェクトのすべてのレベルで、インストラクターがステップバイステップでご案内します。

はい。ガイド付きプロジェクトを完了するために必要なものはすべて、ブラウザで利用可能なクラウドデスクトップで利用できます。

分割画面環境でタスクをブラウザで直接完了することで学習できます。画面の左側で、ワークスペースでタスクを完了します。画面の右側で、講師がプロジェクトをステップごとにガイドします。