Developing Machine Learning Solutions (Thai)

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