Exam Readiness: AWS Certified Machine Learning - Specialty (Thai)

หลักสูตรนี้จะเตรียมความพร้อมคุณสำหรับการสอบ AWS Certified Machine Learning – Specialty ซึ่งจะเป็น

การตรวจสอบความสามารถคุณในการออกแบบ ปรับใช้ ติดตั้งใช้จริง และบำรุงรักษาโซลูชันแมชชีนเลิร์นนิง (ML) 

ในหลักสูตรนี้คุณจะได้เรียนรู้ถึงรายละเอียดการสอบและกลไกของคำถามในการสอบ รวมถึงจะได้สำรวจหัวข้อความรู้เชิง

เทคนิคต่างๆ ของการสอบด้วย คุณจะได้ทบทวนบริการหลักของ AWS และแนวคิดหลักสำหรับหัวข้อความรู้ในการสอบ:

1.    วิศวกรรมข้อมูล

2.    การวิเคราะห์ข้อมูลเชิงสำรวจ

3.    การสร้างโมเดล

4.    การปรับใช้และการใช้งานแมชชีนเลิร์นนิง

นอกจากนี้ คุณจะได้เรียนรู้กลยุทธ์สำคัญในการทำข้อสอบ และนำกลยุทธ์เหล่านั้นไปใช้จริง โดยการตอบคำถามเชิง

วิเคราะห์ เมื่อคุณได้ฝึกฝนทักษะของคุณแล้ว คุณจะมีโอกาสทำแบบทดสอบที่จะช่วยให้คุณประเมินส่วนที่เป็นจุดแข็ง

และจุดอ่อนของคุณ เพื่อให้คุณรู้ว่าส่วนใดที่คุณจะต้องเน้นในการเรียนเพื่อเตรียมตัวสอบ

หมายเหตุ: หลักสูตรนี้มีการแปลถอดเสียง/คำบรรยาย บทบรรยายเป็นภาษาอังกฤษ

หากต้องการแสดงคำบรรยาย ให้คลิกที่ปุ่ม CC ที่มุมล่างขวาของเครื่องเล่น

วัตถุประสงค์ของหลักสูตร

เมื่อจบหลักสูตรนี้ คุณจะสามารถ:

• ระบุจุดแข็งและจุดอ่อนของคุณในแต่ละหัวข้อความรู้ของการสอบ เพื่อให้รู้ว่าคุณควรเน้นที่หัวข้อใด ขณะเตรียมตัวสอบ
• อธิบายหัวข้อทางเทคนิคและแนวคิดที่ทำให้เกิดเป็นแต่ละหัวข้อความรู้ของการสอบ
• สรุปรายละเอียดและกลไกของการสอบ รวมถึงคำถามในการสอบ
• ใช้กลยุทธ์ที่มีประสิทธิภาพในการเตรียมตัวและการทำข้อสอบ 

ผู้เข้าร่วมเป้าหมาย

หลักสูตรนี้จัดทำขึ้นสำหรับ:

• ผู้ที่ใช้งาน ML ที่มีประสบการณ์เชิงปฏิบัติอย่างน้อยหนึ่งปี และผู้ที่กำลังเตรียมตัวสอบ AWS Certified Machine Learning – Specialty

ข้อกำหนดเบื้องต้น

เราขอแนะนำว่าผู้เข้าร่วมในหลักสูตรนี้ควรมี:

• ความเชี่ยวชาญในการแสดงออกถึงไหวพริบเบื้องหลังอัลกอริทึม ML พื้นฐาน และในการดำเนินการเพิ่ม
• ประสิทธิภาพไฮเปอร์พารามิเตอร์แบบพื้นฐาน
• ความเข้าใจไปป์ไลน์ของ ML และส่วนประกอบต่างๆ
• ประสบการณ์ด้านเฟรมเวิร์กดีปเลิร์นนิงและ ML
• ความเข้าใจและประสบการณ์ในการฝึกโมเดล การติดตั้งใช้จริง และแนวทางดำเนินการที่ดีที่สุด

เนื้อหาหลักสูตร    

โมดูลที่ 0: ข้อมูลเบื้องต้นเกี่ยวกับหลักสูตร

โมดูลที่ 1: ภาพรวมของการสอบและกลยุทธ์ในการทำข้อสอบ

• ภาพรวมของการสอบ รายละเอียดการสอบ การให้คะแนน และอินเทอร์เฟซผู้ใช้
• กลไกและการออกแบบคำถาม
• กลยุทธ์ในการทำข้อสอบ

โมดูลที่ 2: หัวข้อความรู้ที่ 1 - วิศวกรรมข้อมูล

• หัวข้อความรู้ที่ 1.1: ที่เก็บข้อมูลสำหรับ ML
• หัวข้อความรู้ที่ 1.2: ระบุและปรับใช้โซลูชันการนำข้อมูลเข้า
• หัวข้อความรู้ที่ 1.3: ระบุและปรับใช้โซลูชันการแปลงข้อมูล
• ตอบคำถามเชิงวิเคราะห์
• แบบทดสอบหัวข้อความรู้ที่ 1

โมดูลที่ 3: หัวข้อความรู้ที่ 2 - การวิเคราะห์ข้อมูลเชิงสำรวจ

• หัวข้อความรู้ที่ 2.1: ล้าง (Sanitize) และเตรียมข้อมูลสำหรับสร้างโมเดล 
• หัวข้อความรู้ที่ 2.2: ดำเนินการกระบวนการสร้างฟีเจอร์ใหม่
• หัวข้อความรู้ที่ 2.3: การวิเคราะห์และการแสดงข้อมูลสำหรับ ML
• ตอบคำถามเชิงวิเคราะห์
• แบบทดสอบหัวข้อความรู้ที่ 2

โมดูลที่ 4: หัวข้อความรู้ที่ 3 - การสร้างโมเดล

• หัวข้อความรู้ที่ 3.1: กำหนดกรอบปัญหาทางธุรกิจให้เป็นปัญหา ML
• หัวข้อความรู้ที่ 3.2: เลือกโมเดลที่เหมาะสมกับปัญหา ML ที่กำหนด
• หัวข้อความรู้ที่ 3.3: ฝึกโมเดล ML
• หัวข้อความรู้ที่ 3.4: ดำเนินการเพิ่มประสิทธิภาพไฮเปอร์พารามิเตอร์
• หัวข้อความรู้ที่ 3.5: ประเมินโมเดล ML
• ตอบคำถามเชิงวิเคราะห์
• แบบทดสอบหัวข้อความรู้ที่ 3

โมดูลที่ 5: หัวข้อความรู้ที่ 4 - การปรับใช้และการใช้งาน ML

• หัวข้อความรู้ที่ 4.1: สร้างโซลูชัน ML เพื่อประสิทธิภาพ ความพร้อมใช้งาน ความสามารถในการปรับขนาด 
• ความยืดหยุ่น และความทนทานต่อข้อผิดพลาด
• หัวข้อความรู้ที่ 4.2: แนะนำและใช้บริการและฟีเจอร์ของ ML ที่เหมาะสมกับปัญหาที่กำหนด
• หัวข้อความรู้ที่ 4.3: ใช้แนวทางปฏิบัติด้านความปลอดภัยของ AWS ขั้นพื้นฐานกับโซลูชัน ML
• หัวข้อความรู้ที่ 4.4: ปรับใช้และใช้งานโซลูชัน ML
• ตอบคำถามเชิงวิเคราะห์
• แบบทดสอบหัวข้อความรู้ที่ 4

โมดูลที่ 6: คำถามเชิงวิเคราะห์เพิ่มเติม

• โอกาสในการตอบคำถามเชิงวิเคราะห์เพิ่มเติม

โมดูลที่ 7: เอกสารการเรียนที่แนะนำ

• ลิงก์ไปยัง AWS Blog, เอกสาร, คำถามที่พบบ่อย และเอกสารการเรียนที่แนะนำสำหรับการสอบ

โมดูลที่ 8: สรุปท้ายหลักสูตร

• วิธีการลงทะเบียนสำหรับการสอบ
• สรุปหลักสูตร
• ความคิดเห็นเกี่ยวกับหลักสูตร