ในหลักสูตรแมชชีนเลิร์นนิงนี้ คุณจะได้เรียนรู้เกี่ยวกับวงจรชีวิตแมชชีนเลิร์นนิง และวิธีการใช้บริการของ AWS ในทุกขั้นตอน นอกจากนี้ คุณจะได้ค้นพบแหล่งข้อมูลที่หลากหลายสำหรับโมเดลแมชชีนเลิร์นนิงและเรียนรู้เทคนิคต่างๆ ในการประเมินประสิทธิภาพของโมเดลเหล่านี้ นอกจากนี้ คุณยังจะเข้าใจถึงความสำคัญของการดำเนินงานของแมชชีนเลิร์นนิง (MLOps) ในการปรับปรุงการพัฒนาและการติดตั้งใช้งานโปรเจกต์แมชชีนเลิร์นนิงของคุณให้มีประสิทธิภาพยิ่งขึ้น
- ระดับหลักสูตร: พื้นฐาน
- ระยะเวลา: 1 ชั่วโมง
กิจกรรม
หลักสูตรนี้ประกอบด้วยองค์ประกอบเชิงโต้ตอบ ข้อความคำชี้แจง ภาพประกอบ และการทดสอบความรู้
วัตถุประสงค์ของหลักสูตร
ในหลักสูตรนี้ คุณจะได้เรียนรู้วิธีการทำสิ่งต่อไปนี้
- อธิบายส่วนประกอบของวงจรชีวิตแมชชีนเลิร์นนิง
- ระบุบริการและฟีเจอร์ของ AWS ที่เกี่ยวข้องสำหรับแต่ละขั้นตอนของวงจรชีวิต ML
- อธิบายประเภทของข้อมูลที่ใช้ในการฝึกโมเดลปัญญาประดิษฐ์ (AI)
- ทำความเข้าใจที่มาของโมเดลแมชชีนเลิร์นนิง
- ทำความเข้าใจกับเมตริกประสิทธิภาพของโมเดล
- อธิบายวิธีการใช้โมเดลในการนำไปใช้จริง
- ทำความเข้าใจแนวคิดพื้นฐานเกี่ยวกับ MLOps
กลุ่มเป้าหมายที่ตั้งไว้
หลักสูตรนี้จัดทำขึ้นสำหรับบุคคลต่อไปนี้
- บุคคลที่สนใจในแมชชีนเลิร์นนิงและปัญญาประดิษฐ์ โดยไม่ขึ้นกับบทบาทงานใดเป็นการเฉพาะ
ข้อกำหนดเบื้องต้น
การพัฒนาโซลูชันแมชชีนเลิร์นนิงเป็นส่วนหนึ่งของชุดสอนการสร้างรากฐานเกี่ยวกับปัญญาประดิษฐ์ แมชชีนเลิร์นนิง และ AI ช่วยสร้าง ขอแนะนำให้คุณศึกษาทั้งสองหลักสูตรนี้ให้เสร็จสิ้นก่อน หากคุณยังไม่ได้ศึกษา:
- พื้นฐานของแมชชีนเลิร์นนิงและปัญญาประดิษฐ์
- การสำรวจกรณีใช้งานและแอปพลิเคชันปัญญาประดิษฐ์
เนื้อหาหลักสูตร
ส่วนที่ 1:
- วิธีใช้งานหลักสูตรนี้
ส่วนที่ 2: ความรู้เบื้องต้น
- ความรู้เบื้องต้น
ส่วนที่ 3: การพัฒนาโซลูชัน ML
- วงจรชีวิตการพัฒนาแมชชีนเลิร์นนิง
- การพัฒนาโซลูชัน ML ด้วย Amazon SageMaker
- ที่มาของโมเดล ML
- การประเมินประสิทธิภาพของโมเดลแมชชีนเลิร์นนิง
- การนำโมเดลไปใช้จริง
- แนวคิดพื้นฐานเกี่ยวกับ MLOps
- ทดสอบความรู้
ส่วนที่ 4: บทสรุป
- ทรัพยากร
- บทสรุป
- ติดต่อเรา