Développer des modèles de détection d’objets personnalisés avec NVIDIA et Azure Machine Learning

  • Parcours d’apprentissage
  • 4 Modules
Intermédiaire
Ingénieur IA
Data Scientist
Azure
Stockage Azure
Azure Machine Learning

Le studio Azure Machine Learning est un environnement de développement intégré basé sur une interface graphique utilisateur qui permet de construire et d’opérationnaliser un workflow de machine learning sur Azure. Apprenez à développer des modèles de détection d’objets personnalisés à l’aide de ce service avec des machines virtuelles à accélération GPU NVIDIA.

Prérequis

Modules de ce parcours d’apprentissage

Créer des ressources d’espace de travail pour prendre en main Azure Machine Learning

Dans ce module, vous apprenez à créer des ressources pour prendre en main Azure Machine Learning.

Créer un jeu de données étiqueté en utilisant les outils d’étiquetage de données Azure Machine Learning

Apprenez à utiliser l’étiquetage des données Azure Machine Learning pour créer, gérer et superviser les projets d’étiquetage des données.

Utiliser AutoML pour entraîner un jeu de données étiqueté et développer un modèle de production

Découvrez comment utiliser AutoML pour effectuer l’apprentissage d’un jeu de données étiqueté et développer un modèle de détection d’objets de production.

Déployer un modèle sur NVIDIA Triton Inference Server

NVIDIA Triton Inference Server est un logiciel open source multi-framework qui est optimisé pour l’inférence. Il prend en charge les infrastructures d’apprentissage automatique les plus courantes telles que TensorFlow, Open Neural Network Exchange (ONNX) Runtime, PyTorch, NVIDIA TensorRT, et bien d’autres encore. Il peut être utilisé pour vos charges de travail de processeur ou GPU. Dans ce module, vous allez déployer votre modèle de production sur le serveur NVIDIA Triton afin d’effectuer une inférence sur une machine virtuelle hébergée dans le cloud.