AWS Machine Learning Engineering: SageMaker và MLOps Workflows (tiếng Anh)

Chuyển đổi từ việc đào tạo một mô hình học máy trên máy tính địa phương của bạn để triển khai nó trong một môi trường đám mây đáng tin cậy, có thể là một bước nhảy đáng sợ. Bạn sẽ học cách sử dụng các mô hình được huấn luyện, triển khai chúng vào các điểm cuối sản xuất, và tự động hóa toàn bộ chu kỳ sống. Bằng cách hiểu các khái niệm đám mây chính và các thực hành tốt nhất của MLOps, bạn sẽ chuyển đổi từ một nhà khoa học dữ liệu hoặc nhà phát triển thành một người thực hành học máy đám mờ có khả năng quản lý các hệ thống cấp sản xuất. Bạn sẽ học được: - Hiểu các khái niệm học máy đám mây cơ bản và dịch vụ AWS cốt lõi. - Thiết lập các mô hình học máy cho các điểm cuối có thể mở rộng bằng AWS SageMaker. - Tự động hóa các luồng công việc và đường ống học máy bằng AWS Step Functions và Lambda. - Thực hiện các thực tiễn MLOps hiện đại, bao gồm container hóa cơ bản và giám sát mô hình. - Cấu hình kiến trúc suy luận không máy chủ an toàn, hiệu quả về chi phí cho dự đoán thời gian thực. Bắt đầu với thuật ngữ thiết yếu, bạn sẽ tiến hành qua các bài học văn bản cấu trúc và ví dụ mã hướng dẫn bạn từ việc triển khai mô hình cơ bản đến dàn dựng các đường ống tự động hoàn toàn. Lớp học này được thiết kế cho người mới bắt đầu với kỹ thuật đám mây, các nhà khoa học dữ liệu tìm kiếm để vận hành mô hình của họ, và các nhà phát triển phần mềm chuyển sang vai trò học máy, không yêu cầu kinh nghiệm AWS trước đó. Bắt đầu đọc hôm nay để làm chủ những điều cơ bản của kỹ thuật học máy đám mây hiện đại.