Ce que vous devez savoir avant
Vous commencez

Débute 4 June 2026 04:14

Se termine 4 June 2026

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Developing Machine Learning Solutions (Thai)

Les apprenants participant à ce cours d'apprentissage automatique découvriront le cycle de vie des opérations d'apprentissage automatique et la manière d'utiliser soigneusement les services AWS à chaque étape. Ce cours démontre également l'importance de MLOps dans l'amélioration du développement et du déploiement efficace des outils. Niv.
via AWS Skill Builder

479 Cours


Non spécifié

Amélioration optionnelle disponible

Tous niveaux

Progressez à votre rythme

Free

Amélioration optionnelle disponible

Aperçu

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


Matières