上手深度学习没那么难？亚马逊云科技实战训练营下周开营

导读：十多年来，得益于 GPU 等硬件性能的提升，大规模、高度复杂的深度学习应用成为了可能。但对于普通开发者来说，上手深度学习并不总是一件容易的事。　　开发者或许会烦恼于构建、

　　十多年来，得益于 GPU 等硬件性能的提升，大规模、高度复杂的深度学习应用成为了可能。但对于普通开发者来说，上手深度学习并不总是一件容易的事。

　　开发者或许会烦恼于构建、训练模型，部署模型和超参调优等繁琐步骤，或许还会受到算力条件的限制，诸多因素都会让深度学习的实战阻碍重重。

　　在这样的背景下，Amazon SageMaker 应运而生，为万千开发者们带来了便捷。Amazon SageMaker 是一套强大的完全托管服务，覆盖深度学习全流程的工作体验，可以帮助开发者和数据科学家快速构建、训练和部署 AI 模型，大幅度消除过程中的繁重工作，让开发高质量模型变得更加轻松。

　　为了帮助开发者快速提升实战能力，机器之心联合亚马逊云科技开设了《深度学习实战训练营》线上实战营。实战营为期 3 周，共 6 次课程，还有 6 次课后作业，实战营期间讲师将在答疑群中随时解决同学的疑问，全程免费，欢迎希望上手实操深度学习的同学加入学习。

　　课程计划

　　每期课程均有课后作业和群内答疑环节，旨在巩固学习成果和促进社区学员交流。

　　最先完成全部作业的 20 位同学，将获得亚马逊云科技提供的新年大礼包。

　　第一课预告

　　课程主题：轻松构建，训练和部署机器学习模型课程

　　课程时间：11 月 22 日 19:00-20:00

　　讲师介绍：魏诗洋，资深解决方案架构师，10 年 + 数据分析经验，应用统计研究背景。

　　课程简介：利用公开的打了标签的市场数据，通过 2 分类的监督学习方法，预测客户购买银行某款金融产品的意愿。该实验通过亚马逊 SageMaker Jupyter Lab 完成端到端的模型构建，训练和部署。实验分为实验准备、理解数据、构建模型、训练模型、部署模型评价模型、超参调优等七个环节。

　　课后作业：第一期作业帮助大家熟悉和掌握如何通过 Sagemaker Jupyter Lab 完成端到端机器学习模型构建，训练和部署。

　　课后答疑：请参与实战营的同学务必扫码加入课后答疑群，亚马逊云科技账号注册、学习疑问、作业提交等详情均在答疑群中为大家说明。

　　如群已超出人数限制，请添加亚马逊云助手（super-assistant），备注「实战营」即可入群。