Overview
นักเรียนที่เข้าร่วมในหลักสูตรแมชชีนเลิร์นนิงนี้จะได้เรียนรู้เกี่ยวกับการดำเนินงานในวงจรชีวิตของแมชชีนเลิร์นนิง พร้อมค้นพบวิธีการใช้บริการ AWS ในแต่ละขั้นตอนอย่างรอบคอบ หลักสูตรนี้ยังแสดงให้เห็นถึงความสำคัญของ MLOps ในการปรับปรุงการพัฒนาและใช้งานเครื่องมืออย่างมีประสิทธิภาพ
- ระดับหลักสูตร: พื้นฐาน
- ระยะเวลา: 1 ชั่วโมง
กิจกรรม
หลักสูตรนี้ผสมผสานองค์ประกอบเชิงโต้ตอบ ข้อความคำชี้แจง ภาพประกอบ และการทดสอบความรู้เข้าด้วยกัน
วัตถุประสงค์ของหลักสูตร
ในหลักสูตรนี้ คุณจะได้เรียนรู้วิธีการทำสิ่งต่อไปนี้:
- อธิบายส่วนประกอบของวงจรชีวิตแมชชีนเลิร์นนิง
- ระบุบริการและฟีเจอร์ของ AWS ที่เกี่ยวข้องกับแต่ละขั้นตอนของ ML
- อธิบายประเภทข้อมูลในการฝึกโมเดล AI
- เข้าใจที่มาของโมเดลแมชชีนเลิร์นนิง
- ทำความเข้าใจกับเมตริกประสิทธิภาพของโมเดล
- อธิบายวิธีการใช้โมเดลในการนำไปใช้จริง
- เข้าใจแนวคิดพื้นฐานเกี่ยวกับ MLOps
กลุ่มเป้าหมายที่ตั้งไว้
หลักสูตรนี้เหมาะสำหรับบุคคลที่สนใจในแมชชีนเลิร์นนิงและปัญญาประดิษฐ์ โดยไม่เกี่ยวข้องกับบทบาทงานเฉพาะใดๆ
ข้อกำหนดเบื้องต้น
การพัฒนาโซลูชันแมชชีนเลิร์นนิงเป็นส่วนหนึ่งของชุดการสอนเกี่ยวกับ AI และ ML ขอแนะนำให้ศึกษาหลักสูตรพื้นฐานต่อไปนี้ก่อน:
- พื้นฐานของแมชชีนเลิร์นนิงและปัญญาประดิษฐ์
- การสำรวจกรณีใช้งานและแอปพลิเคชันปัญญาประดิษฐ์
เนื้อหาหลักสูตร
ส่วนที่ 1: วิธีใช้งานหลักสูตรนี้
- ความรู้เบื้องต้น
ส่วนที่ 2: การพัฒนาโซลูชัน ML
- วงจรชีวิตการพัฒนาแมชชีนเลิร์นนิง
- การพัฒนาโซลูชัน ML ด้วย Amazon SageMaker
- ที่มาของโมเดล ML
- การประเมินประสิทธิภาพของโมเดลแมชชีนเลิร์นนิง
- การนำโมเดลไปใช้จริง
- แนวคิดพื้นฐานเกี่ยวกับ MLOps
- ทดสอบความรู้
ส่วนที่ 3: บทสรุป
- ทรัพยากร
- บทสรุป
- ติดต่อเรา
