ข้ามไปยังเนื้อหาหลัก

คอร์สฟรี

การพัฒนาโมเดล Machine Learning สำหรับ Production

ขั้นกลาง4 ชม.

ก้าวสู่แนวคิดแบบ MLOps เพื่อฝึก จัดทำเอกสาร ดูแลรักษา และขยายโมเดลแมชชีนเลิร์นนิงให้เต็มศักยภาพ

R4 ชม.หนังสือรับรองความสำเร็จ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google
หรือ
เมื่อดำเนินการต่อ ถือว่าคุณยอมรับ ข้อกำหนดการใช้งานและ นโยบายความเป็นส่วนตัว และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา

ได้รับความไว้วางใจจากผู้เรียนในบริษัทหลายพันแห่ง

กำลังฝึกอบรมทีมอยู่ใช่ไหม?

ทดลองใช้สำหรับองค์กร →

รายละเอียดคอร์ส

เนื้อหาเกี่ยวกับแมชชีนเลิร์นนิงส่วนใหญ่ในปัจจุบันมุ่งเน้นไปที่การฝึกโมเดลและการปรับแต่งพารามิเตอร์ แต่โมเดลที่พัฒนาขึ้นเพื่อการทดลองถึง 90% ไม่เคยถูกนำไปใช้งานจริง ส่วนใหญ่เป็นเพราะไม่ได้ออกแบบมาให้ใช้งานได้ในระยะยาว ในหลักสูตรนี้ คุณจะได้เรียนรู้ว่าการปรับกรอบความคิดจากวิศวกรรมแมชชีนเลิร์นนิงไปสู่ MLOps (การดำเนินงานด้านแมชชีนเลิร์นนิง) จะช่วยให้คุณฝึกโมเดล จัดทำเอกสาร ดูแลรักษา และขยายขนาดโมเดลให้ได้เต็มศักยภาพได้อย่างไร

ทดลองและจัดทำเอกสารได้อย่างง่ายดาย

การทดลองใช้โมเดล ML มักสนุก แต่ก็อาจใช้เวลามาก ในหลักสูตรนี้ คุณจะได้เรียนรู้วิธีออกแบบการทดลองที่ทำซ้ำได้ เพื่อเร่งกระบวนการนี้ให้รวดเร็วยิ่งขึ้น พร้อมจัดทำเอกสารสำหรับตนเองและเพื่อนร่วมทีม เพื่อให้การทำงานกับไปป์ไลน์ในอนาคตเป็นเรื่องง่ายขึ้น

พัฒนาโมเดล MLOps สำหรับใช้งานจริง

คุณจะได้เรียนรู้แนวทางปฏิบัติที่ดีที่สุดในการจัดแพ็กเกจและทำซีเรียลไลซ์ทั้งโมเดลและสภาพแวดล้อมสำหรับใช้งานจริง เพื่อให้โมเดลใช้งานได้ยาวนานที่สุดેષ

ขยายขนาดและทำ ML Pipelines ของคุณให้เป็นอัตโนมัติ

เมื่อคำนึงถึงความซับซ้อนของโมเดลและข้อมูล พร้อมระบบอัตโนมัติที่ทำงานอย่างต่อเนื่อง คุณจะมั่นใจได้ว่าโมเดลของคุณสามารถขยายเพื่อรองรับการใช้งานจริง และติดตามตรวจสอบพร้อมนำไปใช้งานได้ในพริบตา

เมื่อเรียนจบหลักสูตรนี้ คุณจะสามารถออกแบบและพัฒนาโมเดลแมชชีนเลิร์นนิงที่พร้อมใช้งานจริง พร้อมปรับปรุงโมเดลให้ดียิ่งขึ้นอย่างต่อเนื่องได้ตลอดเวลา

ข้อกำหนดเบื้องต้น

หลักสูตร

โครงร่างคอร์ส

1

จาก Research สู่ Production

บทนี้จะให้ทักษะและความรู้ที่จำเป็นในการนำโมเดล Machine Learning จากขั้นตอนวิจัยและพัฒนาไปสู่สภาพแวดล้อม Production คุณจะได้เรียนรู้กระบวนการเปลี่ยนจาก Prototype ในงานวิจัยให้กลายเป็นระบบที่เชื่อถือได้ ขยายขนาดได้ และดูแลรักษาได้
เริ่มบท
2

การสร้างความสามารถในการทำซ้ำได้

ในบทนี้ คุณจะได้เรียนรู้ถึงความสำคัญของการทำซ้ำได้ (Reproducibility) ใน Machine Learning รวมถึงวิธีทำให้โมเดลยังคงทำซ้ำได้และเชื่อถือได้ในระยะยาว คุณจะได้สำรวจเทคนิคและแนวปฏิบัติที่ดีที่สุดหลากหลายรูปแบบเพื่อรับประกัน Reproducibility ของโมเดล
เริ่มบท
3

ML ในสภาพแวดล้อม Production

ในบทที่ 3 คุณจะได้ศึกษาความท้าทายต่าง ๆ ที่เกิดขึ้นจากการนำโมเดล Machine Learning ไปใช้งานในสภาพแวดล้อม Production คุณจะได้เรียนรู้แนวทางการ Deploy โมเดล ML ใน Production รวมถึงกลยุทธ์การติดตามและดูแลรักษาโมเดล ML
เริ่มบท
4

การทดสอบ ML Pipeline

ในบทสุดท้าย คุณจะได้เรียนรู้วิธีการทดสอบ Machine Learning Pipeline ในรูปแบบต่าง ๆ เพื่อให้แน่ใจว่า Pipeline ทำงานได้ตามที่คาดหวัง คุณจะได้เข้าใจความสำคัญของการทดสอบ ML Pipeline พร้อมเรียนรู้เทคนิคสำหรับการทดสอบและตรวจสอบความถูกต้องของ ML Pipeline
เริ่มบท
R

การพัฒนาโมเดล Machine Learning สำหรับ Production

เรียนคอร์สจบแล้ว

รับใบรับรองความสำเร็จ

ลงทะเบียนเลย

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

เรียนรู้ได้ทุกที่ด้วยคอร์สบนมือถือและโจทย์เขียนโค้ด 5 นาทีประจำวัน