or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ในบทแรกนี้ จะได้เรียนรู้ขั้นตอนพื้นฐานของโปรเจกต์ Machine Learning ได้แก่ การออกแบบ use case แบบ end-to-end การวิเคราะห์ข้อมูลเชิงสำรวจ และการเตรียมข้อมูล เมื่อจบบทนี้ จะเข้าใจขั้นตอนเริ่มต้นของโปรเจกต์ Machine Learning อย่างแน่นแฟ้น ตั้งแต่การกำหนด use case ไปจนถึงการเตรียมข้อมูลสำหรับการประมวลผลและการฝึกโมเดล
บทนี้จะเจาะลึกกระบวนการสำคัญของการฝึกโมเดลและการประเมินผล ประกอบด้วย 4 บทเรียนที่ครอบคลุมทั้ง feature engineering การฝึกโมเดล การบันทึก experiment และการประเมินผลโมเดล
บทนี้จะเจาะลึกองค์ประกอบสำคัญของการ deploy โมเดล ซึ่งเป็นขั้นตอนที่สำคัญในวงจรชีวิตของ Machine Learning เริ่มจากการทดสอบ จากนั้นก้าวสู่องค์ประกอบทางสถาปัตยกรรม โดยเน้นที่ feature store และ model registry ต่อมาจะศึกษาการ packaging และ containerization และปิดท้ายด้วยภาพรวมของ Continuous Integration และ Continuous Deployment (CI/CD)
ในบทสุดท้าย จะได้เรียนรู้รายละเอียดของการติดตามโมเดล ซึ่งเป็นขั้นตอนที่สำคัญในวงจรชีวิตของ Machine Learning
แบบฝึกหัดปัจจุบัน