Name: MLOps แบบอัตโนมัติเต็มรูปแบบ
Rating: 4.848258706467662 (402 reviews)

รายละเอียดคอร์ส

MLOps คือชุดแนวปฏิบัติที่พัฒนาขึ้นเพื่อช่วยให้คุณนำโมเดลแมชชีนเลิร์นนิงไปใช้งานจริงและดูแลรักษาในสภาพแวดล้อมการผลิตได้อย่างมีประสิทธิภาพ ปัจจุบัน ในภาคอุตสาหกรรมและงานวิจัย MLOps กำลังเป็นที่จับตามองในฐานะวิธีการที่ช่วยให้มั่นใจได้ว่าระบบ ML จะสร้างคุณค่าได้จริง

ค้นพบการทำงานอัตโนมัติแบบครบวงจรใน MLOps

ในหลักสูตรนี้ คุณจะได้เรียนรู้วิธีใช้ระบบอัตโนมัติใน MLOps เพื่อปรับใช้งานระบบ ML ที่สามารถสร้างคุณค่าได้อย่างต่อเนื่องในระยะยาว คุณจะได้เรียนรู้ว่าเทคนิคัลเด็ทที่ซ่อนอยู่ส่งผลต่อระบบ ML และคุณค่าที่ระบบเหล่านั้นสร้างขึ้นอย่างไร คุณจะเข้าใจด้วยว่า การทำงานอัตโนมัติและการปรับขั้นตอนต่างๆ ของวงจรชีวิต ML ให้คล่องตัวขึ้น สามารถช่วยให้การดำเนินงานและการขยายระบบ ML เป็นไปได้อย่างไร

เรียนรู้เกี่ยวกับสถาปัตยกรรม MLOps

คุณจะได้ใช้แบบฝึกหัดเชิงปฏิบัติและแบบโต้ตอบเพื่อเรียนรู้เกี่ยวกับองค์ประกอบของสถาปัตยกรรม MLOps และเหตุผลที่องค์ประกอบเหล่านี้มีความจำเป็นต่อการทำให้ระบบ ML เป็นอัตโนมัติได้อย่างสมบูรณ์

สำรวจเทคนิค MLOps สำหรับ CI/CD/CM/CT

เมื่อคุณก้าวหน้าไป คุณจะได้เรียนรู้ว่า CI/CD แบบอัตโนมัติ ร่วมกับ Continuous Monitoring (CM) และ Continuous Training (CT) เป็นเทคนิคสำคัญในการหลีกเลี่ยง technical debt ในการนำ ML ไปใช้งานจริงของคุณ

ทำความเข้าใจระบบอัตโนมัติในกลยุทธ์การปรับใช้งาน

เมื่อจบหลักสูตรนี้ คุณจะเข้าใจว่า MLOps สำหรับการทำงานอัตโนมัติสามารถช่วยปรับปรุงวิธีที่คุณนำระบบ ML ไปใช้งานจริงในโลกจริงได้อย่างไร โดยช่วยให้การนำไปใช้งานของคุณมีความทนทานและสามารถขยายขนาดได้

เริ่มต้นการเรียนรู้ สร้างความรู้ในสาขาที่เป็นที่ต้องการสูงนี้ และค้นพบวิธีนำระบบอัตโนมัติมาใช้ในการออกแบบระบบ MLOps

ข้อกำหนดเบื้องต้น

MLOps Deployment and Life Cycling

หลักสูตร

โครงร่างคอร์ส

บทนำ: MLOps แบบอัตโนมัติเต็มรูปแบบ

ในบทแรกนี้ เราจะอธิบายแรงจูงใจในการนำ MLOps มาใช้ในบริบทอุตสาหกรรม พร้อมเรียนรู้ความสำคัญของ MLOps ในการสร้างคุณค่าให้กับธุรกิจ จากนั้นจะทบทวนขั้นตอนต่างๆ ของ ML โดยเน้นว่า MLOps ช่วยยกระดับแต่ละขั้นตอนได้อย่างไร ท้ายบท จะได้สำรวจสถาปัตยกรรมอ้างอิงสำหรับระบบ MLOps แบบอัตโนมัติเต็มรูปแบบ แล้วนำสถาปัตยกรรมนี้มาใช้เพื่อศึกษาองค์ประกอบสำคัญของระบบ MLOps ซึ่งเป็นจุดเริ่มต้นสำหรับบทที่เหลือของคอร์ส

เริ่มบท

สถาปัตยกรรม MLOps แบบอัตโนมัติเต็มรูปแบบ

ในบทนี้ จะได้เจาะลึกองค์ประกอบสำคัญที่ประกอบกันเป็นระบบ MLOps แบบอัตโนมัติเต็มรูปแบบ เริ่มจากการศึกษาความสำคัญของ orchestration ใน MLOps และวิธีที่ช่วยให้ ML pipelines มีประสิทธิภาพและสามารถขยายได้ จากนั้นจะสำรวจกลยุทธ์การ deploy แบบต่างๆ ใน MLOps และเรียนรู้วิธีเลือกกลยุทธ์ที่เหมาะสมกับระบบของตน สุดท้ายจะเรียนรู้เกี่ยวกับ CI/CD/CT/CM และวิธีที่สิ่งเหล่านี้เสริม orchestration รวมถึง best practices เพื่อบรรลุระบบอัตโนมัติเต็มรูปแบบใน MLOps เมื่อผ่านบทนี้แล้ว จะมีความพร้อมมากขึ้นในการสร้างระบบ MLOps แบบอัตโนมัติเต็มรูปแบบที่มีประสิทธิภาพ แม่นยำ และเชื่อถือได้

เริ่มบท

รูปแบบการทำงานอัตโนมัติ

ในบทนี้ จะได้เจาะลึกโลกของระบบอัตโนมัติ และเรียนรู้วิธีออกแบบระบบ ML ที่มีความยืดหยุ่นและมีประสิทธิภาพมากขึ้น เริ่มจากการทำความเข้าใจพื้นฐานของระบบอัตโนมัติใน MLOps จากนั้นก้าวไปสู่การค้นพบพลังของ design patterns และกลไก fail-safe นอกจากนี้ยังจะได้เรียนรู้วิธีนำ automated testing มาใช้ใน MLOps และการปรับแต่ง hyperparameter เพื่อ optimize โมเดลและ workflows เมื่อจบบทนี้ จะมีทักษะและความรู้ที่จำเป็นสำหรับการสร้างและบริหารจัดการระบบ MLOps แบบอัตโนมัติเต็มรูปแบบที่ทั้งมีประสิทธิภาพและเชื่อถือได้

เริ่มบท

ระบบอัตโนมัติใน MLOps Deployments

ในบทสุดท้ายนี้ จะได้เจาะลึกองค์ประกอบสำคัญของสถาปัตยกรรม MLOps แบบอัตโนมัติ ตั้งแต่การทำความเข้าใจ automated experiment tracking และ model registry ไปจนถึงการสำรวจ feature store และบทบาทของ metadata store บทนี้ออกแบบมาเพื่อให้มีความเข้าใจอย่างครอบคลุมเกี่ยวกับรายละเอียดทั้งหมดของระบบ MLOps แบบอัตโนมัติเต็มรูปแบบ ไม่ว่าจะเป็นผู้เชี่ยวชาญ ML ที่มีประสบการณ์หรือเพิ่งเริ่มต้น บทนี้จะให้ความรู้และทักษะที่จำเป็นสำหรับการออกแบบ MLOps workflows แบบอัตโนมัติ