Qué necesitas saber antes de
comenzar

Inicio 4 June 2026 04:14

Fin 4 June 2026

00 Días
00 Horas
00 Minutos
00 Segundos
course image

Developing Machine Learning Solutions (Thai)

Los estudiantes que participen en este curso de aprendizaje automático aprenderán sobre la operación en el ciclo de vida del aprendizaje automático mientras descubren cómo usar los servicios de AWS de manera cuidadosa en cada etapa. Este curso también muestra la importancia de MLOps para mejorar el desarrollo y la implementación eficiente d.
via AWS Skill Builder

479 Cursos


No especificado

Actualización opcional disponible

Todos los niveles

Avanza a tu propio ritmo

Free

Actualización opcional disponible

Resumen

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


Materias