AWS Machine Learning

AWS 머신 러닝 파운데이션 장학금

AWS ML 서비스

AWS를 사용하면 모델을 빠르게 구축, 훈련 및 배포 할 수 있습니다. Amazon Sagemaker는 ML 워크 플로에서 복잡성을 제거하여 모든 개발자와 데이터 과학자가 광범위한 사용 사례를 위해 기계 학습을 배포 할 수있는 완전 관리 서비스입니다.

ML 인프라 및 프레임 워크

AWS 워크 플로 서비스를 통해 기본 ML 인프라를보다 쉽게 ​​관리하고 확장 할 수 있습니다.

AWS Deeplens를 사용한 컴퓨터 비전

aws는 deeplens입니다

AWS DeePlens를 사용하면 엔드 투 엔드 컴퓨터 비전 기반 애플리케이션을 작성하고 배포 할 수 있습니다.

AWS Deeplens가 작동하는 방법

AWS Deeplens는 여러 AWS 서비스와 통합됩니다. 이 서비스를 사용하여 AWS Deeplens 프로젝트를 만들고 훈련 및 시작합니다. AWS Deeplens 프로젝트가 이미지와 같이 두 개의 다른 스트림으로 나뉘어 있다고 생각할 수 있습니다.

• 먼저 AWS 콘솔을 사용하여 프로젝트를 만들고 데이터를 저장하며 모델을 교육합니다.
• 그런 다음 AWS Deeplens 장치에서 숙련 된 모델을 사용합니다. 장치에서 카메라의 비디오 스트림이 처리되고 추론이 수행되며 추론의 출력은 두 개의 출력 스트림으로 전달됩니다.
  • 장치 스트림 - 비디오 스트림은 처리없이 통과했습니다.
  • 프로젝트 스트림 - 모델의 비디오 프레임 처리 결과.

AWS Deepracer를 사용한 강화 학습

강화 학습 개념

AWS Deepracer의 맥락에서 기본 강화 학습 용어.

• 에이전트 : 에이전트는 AWS Deepracer Car이며 그 목표는 어떤 경우에는 장애물을 피하면서 최대한 빨리 트랙 주위를 마무리하는 것입니다.
• 환경 : AWS Deepracer의 경우, 이것은 시뮬레이터 또는 실제의 트랙입니다.
• 상태 : 각 상태는 카메라로 캡처 한 이미지입니다. 자동차의 초기 상태는 트랙의 출발 라인이며 터미널 상태는 자동차가 랩을 마치거나 장애물에 부딪 치거나 트랙에서 벗어날 때입니다.
• 조치 : 턴에 접근하는 AWS Deepracer 차량은 가속 또는 브레이크, 좌회전, 오른쪽 또는 똑바로 가도록 선택할 수 있습니다.
• 보상 : 보상 기능은 트랙의 다른 영역에 보상으로 점수를 할당하는 인센티브 계획입니다.
• 에피소드 : 에피소드는 자동차가 시작 위치를 떠날 때 초기 상태에서 시작하여 랩을 마치거나 장애물에 부딪 치거나 트랙에서 벗어날 때 터미널 상태에서 끝납니다.

강화 학습 모델에서 에이전트는 자체 행동 의 피드백을 사용하여 시행 착오를 통해 대화식 실시간 환경 에서 학습합니다. 피드백은 보상 의 형태로 제공됩니다.

AWS Deep Composer가있는 생성 AI

AWS Deep Composer

AWS Deepcomposer는 기계 학습 (ML), 특히 생성 AI를 시작할 수있는 창의적이고 쉬운 방법을 제공합니다. 멜로디를 입력하기 위해 컴퓨터에 연결하는 USB 키보드 와 AWS Deepcomposer Music Studio가 포함 된 AWS Deepcomposer Console , 음악을 생성하고 생성 AI 모델에 깊이 빠져들고 AWS Deepcomposer 차트 버스터 도전 에 ML 기술을 선보이는 USB 키보드로 구성됩니다.

AWS Deepcomposer Music Studio

AWS Deepcomposer로 구성을 생성, 생성 및 편집하려면 AWS Deepcomposer Music Studio를 사용합니다. 시작하려면 입력 트랙과 훈련 된 모델이 필요합니다.

입력 트랙의 경우 샘플 트랙을 사용하거나 사용자 정의 트랙을 녹음하거나 트랙을 가져올 수 있습니다.

각 AWS Deepcomposer Music Studio Experience는 세 가지 생성 AI 기술의 세 가지 생성 AI 기술을 지원합니다 : GANS (Generative Adversarial Networks), Autoregressive Convolutional Neural Network (AR-CNN) 및 변압기.

• GAN 기술을 사용하여 반주 트랙을 만듭니다.
• AR-CNN 기술을 사용하여 입력 트랙에서 메모를 수정하십시오.
• Transformers 기술을 사용하여 입력 트랙을 최대 30 초까지 확장하십시오.

AWS Deepcomposer가있는 Gans

GAN은 생성기 및 식별기와 같은 새로운 컨텐츠를 생성하기 위해 두 신경 네트워크를 서로 대항하여 두 개의 신경망을 가리키는 생성 머신 러닝 모델 유형입니다.

• 생성기는 교육받은 소스 데이터와 유사한 새로운 데이터를 만드는 법을 배우는 신경망입니다.
• 차별자는 실제 데이터와 합성 데이터를 구별하도록 훈련 된 또 다른 신경망입니다.

발전기와 판별자는 교대 주기로 훈련됩니다. 발전기는 점점 더 현실적인 데이터를 생성하는 법을 배웁니다.이 차별기는 새로 생성 된 실제 데이터를 차별화하는 데 더 나은 학습을 더 잘 얻습니다.

훈련하는 동안 발전기 및 식별기는 다음 이미지에 표시된대로 단단한 루프로 작동합니다.

AWS Deep Composer가있는 AR-CNN

AR-CNN 모델을 교육하여 입력 트랙 (편집 이벤트)에서 메모를 추가하거나 제거 해야하는시기를 예측하려면 모델이 교육 데이터 세트와 같은 사운드로 입력 트랙을 반복적으로 업데이트합니다. 훈련 중에이 모델은 원래 피아노 롤과 새로 수정 된 피아노 롤의 차이를 감지해야합니다.