Eviden, ein Technologieführer der nächsten Generation, freut sich, seine Reise mit der AWS DeepRacer-Plattform zu teilen. Als AWS Premier Partner nutzt Eviden die Leistung von Amazon Web Services (AWS), um Innovationen voranzutreiben und sein globales Team von 47.000 erstklassigen Talenten zu stärken. In diesem Beitrag wird erkundet, wie Eviden die AWS DeepRacer-Plattform nutzte, um die KI-/ML-Lern- und Entwicklungsprozesse seiner Mitarbeiter zu beschleunigen und eine Kultur kontinuierlicher Verbesserung und Gemeinschaftsengagement zu fördern.
Eviden erkannte das Potenzial der AWS DeepRacer-Plattform, um seine bestehenden Schulungs- und Zertifizierungsprogramme zu ergänzen und Mitarbeitern praktische Erfahrung in Bereichen wie Reward-Funktionsstrategie, Hyperparametertuning und Python-Programmierung zu bieten. Um das Lernerlebnis weiter zu bereichern, führte Eviden mehrere innovative Initiativen ein, darunter eine globale Liga, die Mitarbeiter dazu ermutigte, miteinander zu konkurrieren und voneinander zu lernen. Zusätzlich zur Bereitstellung von Racern Zugang zum DeepRacer Open-Source Community-Projekt, DeepRacer on the Spot (DOTS), das sie mit der Verwendung von Amazon Elastic Compute Cloud (EC2) Spot-Instanzen, Amazon Simple Storage Service (Amazon S3) Objektspeicher und Kostenoptimierungsstrategien vertraut machte.
AWS DeepRacer ist ein autonomes Fahrzeug im Maßstab 1/18, das durch Verstärkungslernen betrieben wird und eine fesselnde Möglichkeit bietet, in die Welt der KI und des maschinellen Lernens einzutauchen. Racer erstellen eine Belohnungsfunktion, um das Verhalten des Autos in einem virtuellen Simulator zu fördern, optimieren Hyperparameter und passen den Aktionsraum (Geschwindigkeit und Lenkwinkel) an, um die Leistung zu optimieren. Im Laufe der Zeit lernt das Modell, Aktionen auszuführen, die häufiger belohnt werden, und vermeidet Aktionen, die weniger belohnt oder bestraft werden.
Eviden nutzte die AWS DeepRacer-Plattform als Mittel, um die Fähigkeiten der Entwickler zu verbessern, indem sie Zugang zu Belohnungsfunktionen, Hyperparametertuning und Python-Programmierung bot. Durch die Einführung eines Unternehmensweiten globalen Ligabetriebs mit Schwerpunkt auf Rennen und kontinuierlichem Lernen erweiterte Eviden die Lernergebnisse über diese Kernkonzepte hinaus. Die Racer erhielten Zugang zu DeepRacer Open-Source-Community-Projekten wie DeepRacer on the Spot (DOTS), um ihre Modelle mit EC2 Spot-Instanzen zu entwickeln. Darüber hinaus wurden Analysen durchgeführt, um ihre Modelle durch ‘Data Driver Racing’ (D2R) zu verbessern.
Racer hatten auch die Möglichkeit, auf Generative AI-Lösungen zuzugreifen, die von Amazon Bedrock und PartyRock angetrieben wurden. Eine Workshop-Plattform powered by Bedrock half Rennfahrern, ihre Modelle zu verbessern und Gespräche über Verbesserungen zu führen. Darüber hinaus befasste sich Eviden mit dem Problem, dass Modelle, die nur in virtuellen Umgebungen trainiert wurden, möglicherweise in der realen Umgebung Schwierigkeiten haben könnten. Die Verwendung von Stable Diffusion half dabei, neue Bilder zu generieren, um zu testen, ob die Modelle gut generalisiert waren und in der physischen Rennbahn gut funktionieren würden. Insgesamt bietet AWS DeepRacer eine unterhaltsame und lehrreiche Plattform für das Erlernen von KI und maschinellem Lernen.