AWS Machine Learning Engineering: Model Development and SageMaker

การเปลี่ยนผ่านจากต้นแบบแมชชีนเลิร์นนิงในเครื่องท้องถิ่นไปสู่โซลูชันคลาวด์ระดับโปรดักชันที่มีความเสถียร จำเป็นต้องมีแนวทางที่เป็นระบบในการพัฒนาโมเดล หลักสูตรแบบอ่านนี้นำทางคุณผ่านแนวคิดหลักของวิศวกรรมระบบแมชชีนเลิร์นนิงบน AWS คุณจะได้รับทักษะในการเลือกอัลกอริทึมที่เหมาะสม กำหนดค่างานฝึกอบรม (training jobs) เพิ่มประสิทธิภาพของโมเดล และสร้างไปป์ไลน์การปรับใช้ที่เชื่อถือได้บนคลาวด์ สิ่งที่คุณจะได้เรียนรู้: • ทำความเข้าใจบริการแมชชีนเลิร์นนิงพื้นฐานของ AWS และรูปแบบสถาปัตยกรรมหลัก • เลือกและกำหนดค่าอัลกอริทึมของ SageMaker สำหรับงานวิทยาศาสตร์ข้อมูลที่หลากหลาย • เพิ่มประสิทธิภาพของโมเดลโดยใช้การปรับจูนไฮเปอร์พารามิเตอร์และเทคนิคการฝึกอบรมแบบกระจาย • ปรับใช้โมเดลไปยังจุดสิ้นสุดการทำงานจริงโดยใช้ตัวเลือกโฮสติ้งที่ปรับขนาดได้และคุ้มค่า • ใช้งานแนวปฏิบัติ MLOps สมัยใหม่ รวมถึงการตรวจสอบโมเดลเพื่อหาความคลาดเคลื่อนและการทำไปป์ไลน์อัตโนมัติ • ฝึกฝนการประเมินเมตริกของโมเดลเพื่อให้แน่ใจว่าการทำนายมีคุณภาพสูงตลอดเวลา หลักสูตรเริ่มต้นด้วยคำศัพท์ที่จำเป็น พื้นฐานสถาปัตยกรรม และแนวคิดด้านความปลอดภัยบน AWS ก่อนจะ chuyển ไปสู่กลยุทธ์การฝึกอบรม การปรับจูน และการปรับใช้โมเดล คุณจะได้อ่านคำอธิบายโดยละเอียด วิเคราะห์รูปแบบสถาปัตยกรรม และศึกษาผ่านสถานการณ์จริงที่ออกแบบมาเพื่อสร้างทักษะของคุณ หลักสูตรนี้ออกแบบมาสำหรับผู้ที่ต้องการเป็นวิศวกรคลาวด์ นักพัฒนา และผู้ปฏิบัติงานด้านข้อมูลที่ยังใหม่ต่อบริการแมชชีนเลิร์นนิงของ AWS โดยไม่ต้องมีประสบการณ์การปรับใช้บนคลาวด์มาก่อน เริ่มอ่านวันนี้เพื่อสร้างรากฐานของคุณในวิศวกรรมแมชชีนเลิร์นนิงบน AWS