การนำ Machine Learning Models ไปใช้งานบน AWS ด้วย Serverless

คุณได้ฝึกฝน machine learning model แล้ว แต่จะนำไปใช้งานจริงได้อย่างไรโดยไม่ต้องยุ่งยากกับการจัดการเซิร์ฟเวอร์? คอร์สนี้จะนำเสนอแนวทางปฏิบัติในการนำโมเดลของคุณไปใช้งานเป็นเว็บเซอร์วิสที่ปรับขนาดได้แบบเรียลไทม์ โดยใช้แนวทาง serverless เมื่อสิ้นสุดคอร์สนี้ คุณจะสามารถแพ็กเกจ ML models ต่างๆ ได้อย่างมั่นใจ กำหนดโครงสร้างพื้นฐานคลาวด์ที่จำเป็นในรูปแบบโค้ด และนำไปใช้งานเป็น API ที่แข็งแกร่งบน AWS คุณจะเปลี่ยนจากไฟล์โมเดลที่ฝึกฝนแล้วไปสู่ endpoint ที่ใช้งานได้เต็มรูปแบบ พร้อมสำหรับการผลิตที่สามารถให้บริการการคาดการณ์ได้ตามต้องการ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจแนวคิดหลักของ serverless และบริการ AWS ที่สำคัญ เช่น Lambda, API Gateway และ S3 - กำหนดค่าและจัดการทรัพยากรคลาวด์แบบประกาศโดยใช้ Serverless Framework - แพ็กเกจ scikit-learn, Keras และ ML models อื่นๆ พร้อม dependencies สำหรับสภาพแวดล้อม serverless - สร้างและนำ ML services ไปใช้งานโดยใช้ทั้งแพ็กเกจ ZIP แบบดั้งเดิมและ container images สมัยใหม่สำหรับ AWS Lambda - สร้าง HTTP API ที่ปลอดภัยและปรับขนาดได้เพื่อให้บริการการคาดการณ์แบบเรียลไทม์จากโมเดลของคุณ - ฝึกเขียนฟังก์ชัน handler ภาษา Python เพื่อโหลดโมเดลและประมวลผลคำขอ inference อย่างมีประสิทธิภาพ - ใช้การบันทึกและตรวจสอบเบื้องต้นสำหรับแอปพลิเคชัน serverless ของคุณโดยใช้ CloudWatch คอร์สเริ่มต้นด้วยหลักการพื้นฐานของ serverless และการแนะนำบริการ AWS หลักที่คุณจะใช้ จากนั้น คุณจะได้เรียนรู้ผ่านแบบฝึกหัดภาคปฏิบัติ โดยนำ ML models ที่ซับซ้อนมากขึ้นไปใช้งาน คอร์สนี้ออกแบบมาสำหรับผู้เริ่มต้นในการนำไปใช้งานบนคลาวด์ แม้ว่าความคุ้นเคยเบื้องต้นกับ Python และแนวคิด machine learning จะเป็นประโยชน์ แต่ไม่จำเป็นต้องมีประสบการณ์มาก่อนกับ AWS หรือ Serverless Framework เริ่มเรียนรู้วิธีนำโมเดลของคุณจากเครื่องโลคัลไปสู่การผลิตได้แล้ววันนี้