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