Trong khóa học về máy học này, bạn sẽ tìm hiểu về vòng đời của máy học và cách sử dụng các dịch vụ AWS ở từng giai đoạn. Ngoài ra, bạn sẽ khám phá về các nguồn đa dạng cho các mô hình máy học cũng như tìm hiểu các kỹ thuật đánh giá hiệu suất của mô hình. Bạn cũng sẽ hiểu được tầm quan trọng của các thao tác vận hành máy học (MLOps) trong việc tinh giản quá trình phát triển và triển khai các dự án máy học của bạn.
- Trình độ khóa học: Cơ bản
- Thời lượng: 1 giờ
Hoạt động
Khóa học này có các yếu tố tương tác, văn bản hướng dẫn, đồ họa minh họa và câu hỏi kiểm tra kiến thức.
Mục tiêu của khóa học
Trong khóa học này, bạn sẽ học cách:
- Mô tả các thành phần của vòng đời máy học.
- Xác định các tính năng và dịch vụ AWS phù hợp cho từng giai đoạn của vòng đời ML.
- Giải thích các loại dữ liệu được sử dụng để đào tạo các mô hình trí tuệ nhân tạo (AI).
- Hiểu các nguồn của mô hình máy học.
- Hiểu các chỉ số hiệu suất của mô hình.
- Mô tả các phương pháp sử dụng mô hình trong hoạt động sản xuất.
- Hiểu các khái niệm cơ bản về MLOps.
Đối tượng học viên
Khóa học này dành cho các đối tượng sau:
- Những cá nhân quan tâm đến công nghệ máy học và trí tuệ nhân tạo, không phụ thuộc vào vai trò công việc cụ thể
Điều kiện tiên quyết
Developing Machine Learning Solutions là một phần trong chuỗi khóa học cung cấp kiến thức nền tảng về trí tuệ nhân tạo, máy học và AI tạo sinh. Nếu chưa hoàn thành, bạn nên hoàn thành hai khóa học sau đây:
- Fundamentals of Machine Learning and Artificial Intelligence
- Exploring Artificial Intelligence Use Cases and Applications
Đề cương khóa học
Phần 1:
- Cách sử dụng khóa học này
Phần 2: Giới thiệu
- Giới thiệu
Phần 3: Phát triển giải pháp ML
- Vòng đời phát triển máy học
- Phát triển giải pháp ML với Amazon SageMaker
- Các nguồn của mô hình ML
- Đánh giá hiệu suất mô hình máy học
- Triển khai mô hình
- Các khái niệm cơ bản về MLOps
- Kiểm tra kiến thức
Phần 4: Kết luận
- Tài nguyên
- Kết luận
- Liên hệ với chúng tôi
