โซลูชันแมชชีนเลิร์นนิงบน AWS: ตั้งแต่ช่วงชีวิต (Lifecycle) จนถึง MLOps

การสร้างระบบแมชชีนเลิร์นนิงที่ประสบความสำเร็จต้องอาศัยมากกว่าแค่การฝึกอบรมโมเดล แต่ยังต้องการแนวทางที่มีโครงสร้างสำหรับวงจรชีวิตทั้งหมด ตั้งแต่การเตรียมข้อมูลไปจนถึงการตรวจสอบการทำงานในสภาพแวดล้อมจริง (production monitoring) หลักสูตรนี้จะแนะนำคุณตลอดการออกแบบ การปรับใช้ และการจัดการโซลูชันแมชชีนเลิร์นนิงที่แข็งแกร่งบน AWS คุณจะเปลี่ยนจากการทำความเข้าใจทฤษฎี ML พื้นฐานไปสู่การจัดโครงสร้างไปป์ไลน์ที่พร้อมใช้งานจริง คุณจะได้เรียนรู้วิธีเลือกบริการ AWS ที่เหมาะสมสำหรับแต่ละขั้นตอนของวงจรชีวิตการพัฒนา ประเมินประสิทธิภาพของโมเดลได้อย่างแม่นยำ และนำแนวทางปฏิบัติ MLOps พื้นฐานไปใช้เพื่อให้ระบบของคุณทำงานได้อย่างราบรื่น สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจขั้นตอนหลักของวงจรชีวิตแมชชีนเลิร์นนิง ตั้งแต่การนำเข้าข้อมูลไปจนถึงการปรับใช้โมเดล - กำหนดค่าบริการ AWS เพื่อจัดเก็บข้อมูล ฝึกอบรมโมเดล และโฮสต์เอนด์พอยต์ได้อย่างมีประสิทธิภาพ - ประเมินประสิทธิภาพของโมเดลโดยใช้เมตริกหลัก และเลือกอัลกอริทึมที่ดีที่สุดสำหรับความต้องการทางธุรกิจของคุณ - ประยุกต์ใช้หลักการ MLOps สมัยใหม่เพื่อทำให้ไปป์ไลน์เป็นแบบอัตโนมัติ และตรวจสอบโมเดลในสภาพแวดล้อมจริง - สำรวจกระบวนทัศน์แมชชีนเลิร์นนิงสมัยใหม่ รวมถึงรูปแบบการผสานรวมสำหรับ foundation models หลักสูตรเริ่มต้นด้วยคำศัพท์ที่จำเป็นและแนวคิดเกี่ยวกับวงจรชีวิต ก่อนที่จะนำคุณผ่านคู่มือที่เป็นลายลักษณ์อักษรที่มีโครงสร้างเกี่ยวกับการฝึกอบรมโมเดล การประเมินผล และระบบอัตโนมัติของไปป์ไลน์ คุณจะได้ฝึกฝนแนวคิดเหล่านี้ผ่านการทบทวนแนวคิดและแบบฝึกหัดที่เป็นลายลักษณ์อักษร ซึ่งออกแบบมาเพื่อสร้างความมั่นใจในด้านวิศวกรรมของคุณ หลักสูตรนี้ออกแบบมาสำหรับวิศวกรคลาวด์ นักพัฒนา และผู้เชี่ยวชาญด้านข้อมูลที่ต้องการเริ่มต้นใช้งานแมชชีนเลิร์นนิงบน AWS ไม่จำเป็นต้องมีประสบการณ์ด้านแมชชีนเลิร์นนิงหรือสถาปัตยกรรมคลาวด์มาก่อน เริ่มสร้างเวิร์กโฟลว์แมชชีนเลิร์นนิงที่ปรับขนาดได้และเป็นอัตโนมัติได้แล้ววันนี้