คอร์สนี้มีกี่บทเรียน?

คอร์สนี้มี 5 บทเรียนแบบมีโครงสร้างพร้อมคำอธิบาย ตัวอย่าง และข้อสอบฝึกที่เชื่อมโยง

ฉันจะได้เรียนรู้อะไรจากคอร์สนี้?

อธิบายข้อมูล อธิบายการฝึกโมเดล อธิบายความปลอดภัย

ต้องมีพื้นฐานอะไรก่อนเริ่ม?

ก่อนเริ่มเรียน ควรมีพื้นฐานดังนี้: ความรู้ AWS พื้นฐานช่วยได้ แนะนำพื้นฐาน Python หรือ ML ไม่จำเป็นต้องมีใบรับรอง AWS มาก่อน

คอร์สนี้ใช้เวลานานแค่ไหน?

เส้นทางการเรียนใช้เวลาประมาณ 60 นาที บวกเวลาฝึกและทบทวน

คอร์สนี้มีข้อสอบฝึกด้วยหรือไม่?

แต่ละบทเรียนมีตัวอย่างและลิงก์ไปยังข้อสอบฝึกที่เกี่ยวข้องเพื่อนำไปใช้จริง

หลักสูตร AWS Machine Learning Specialty

หลักสูตร AWS ML Specialty ที่มีโครงสร้างครอบคลุมวิศวกรรมข้อมูล การฝึกโมเดล ความปลอดภัย การปรับใช้ การตรวจสอบ MLOps และการเพิ่มประสิทธิภาพ พร้อมคำถาม

ระดับ: AWS Machine Learning Specialty ความยาก: advanced 5 บทเรียน 60 นาที

ความคืบหน้าของคอร์ส 0 / 5

กลับไปคอร์ส

สิ่งที่คุณจะได้เรียนรู้

อธิบายข้อมูล
อธิบายการฝึกโมเดล
อธิบายความปลอดภัย
อธิบายการปรับใช้
อธิบายการตรวจสอบ

ก่อนเริ่มเรียน

ความรู้ AWS พื้นฐานช่วยได้
แนะนำพื้นฐาน Python หรือ ML
ไม่จำเป็นต้องมีใบรับรอง AWS มาก่อน

บทเรียน 1 วิศวกรรมข้อมูลและการเตรียมข้อมูล

S3 เก็บข้อมูล Athena สืบค้น Glue เตรียม Feature Store แบ่งปันฟีเจอร์ Data Wrangler เตรียมแบบเห็นภาพ แบ่ง Train Validation Test ปรับสเกล และหลีกเลี่ยง Data Leakage ฝึกด้วยตัวอย่าง ทบทวนข้อผิดทุกครั้ง และทบทวนหัวข้อที่อ่อนที่สุดทุกสัปดาห์เพื่อพัฒนา

ตัวอย่าง

ตัวอย่าง: ทีมเก็บธุรกรรมใน S3 Glue ทำความสะอาด Feature Store แบ่งปันฟีเจอร์ และแบ่งข้อมูลเป็น Train Validation Test

แบบฝึก: ฝึก AWS Machine Learning Specialty

บทเรียน 2 การฝึกโมเดลและอัลกอริทึม

Linear Learner Regression XGBoost Classification K-Means Clustering PCA ลดมิติ Hyperparameter และ Epoch ควบคุมการฝึก Early Stopping และ Transfer Learning ป้องกัน Overfitting ฝึกด้วยตัวอย่าง ทบทวนข้อผิดทุกครั้ง และทบทวนหัวข้อที่อ่อนที่สุดทุกสัปดาห์เพื่อพัฒนา

ตัวอย่าง

ตัวอย่าง: ทีมใช้ Linear Learner Early Stopping และ Confusion Matrix ประเมินโมเดล

แบบฝึก: ฝึก AWS Machine Learning Specialty

บทเรียน 3 ความปลอดภัยและการปฏิบัติตามข้อกำหนด

IAM ควบคุมการเข้าถึง KMS เข้ารหัส VPC แยกเครือข่าย VPC Endpoint ให้การเข้าถึงส่วนตัว TLS ปกป้องการส่งข้อมูล CloudTrail ตรวจสอบ API ใช้สิทธิ์น้อยที่สุด ฝึกด้วยตัวอย่าง ทบทวนข้อผิดทุกครั้ง และทบทวนหัวข้อที่อ่อนที่สุดทุกสัปดาห์เพื่อพัฒนา

ตัวอย่าง

ตัวอย่าง: เวิร์กโหลดสุขภาพใช้ KMS VPC Private Endpoint และสิทธิ์น้อยที่สุด

แบบฝึก: ฝึก AWS Machine Learning Specialty

บทเรียน 4 การปรับใช้และการอนุมาน

Real-time Endpoint ให้บริการทันที Batch Transform ประมวลผลชุดข้อมูล Inference Pipeline ต่อคอนเทนเนอร์ Autoscaling ปรับความจุ Production Variant รองรับ A/B Testing ฝึกด้วยตัวอย่าง ทบทวนข้อผิดทุกครั้ง และทบทวนหัวข้อที่อ่อนที่สุดทุกสัปดาห์เพื่อพัฒนา

ตัวอย่าง

ตัวอย่าง: ผู้ค้าปลีกใช้ Real-time Endpoint แนะนำสินค้า Batch Transform คำนวณกลางคืน และ Autoscaling รองรับปริมาณทราฟฟิกสูง

แบบฝึก: ฝึก AWS Machine Learning Specialty

บทเรียน 5 การตรวจสอบ MLOps และการเพิ่มประสิทธิภาพ

CloudWatch ตรวจสอบ Model Monitor ตรวจจับ Drift Experiments ติดตาม Pipelines อัตโนมัติ Clarify ตรวจจับอคติ ใช้ Spot Distributed Training Autopilot และ Right-Sizing ฝึกด้วยตัวอย่าง ทบทวนข้อผิดทุกครั้ง และทบทวนหัวข้อที่อ่อนที่สุดทุกสัปดาห์เพื่อพัฒนา

ตัวอย่าง

ตัวอย่าง: ทีมใช้ CloudWatch Alarm Model Monitor Drift และ SageMaker Pipelines แล้วฝึกใหม่เมื่อ Drift เกินเกณฑ์

แบบฝึก: ฝึก AWS Machine Learning Specialty