Chia Sẻ Khóa Học Làm Chủ MLOps Thực Tế Dành Cho Data Scientists & DevOps Trên AWS [Update Tháng 9-2023] [Khóa 7022 A]
Trao quyền cho hành trình MLOps của bạn: Giải phóng khả năng làm chủ AI/ML trên AWS với sự hướng dẫn của chuyên gia - Từ Notebook đến Production Operation.
Bạn sẽ học được gì:
- ✓ Định cấu hình CI/CD Pipeline cho các dự án Machine Learning.
- ✓ Khả năng theo dõi source code & training images, configuration files với Git Based Repository – AWS CodeCommit.
- ✓ Khả năng thực hiện Build bằng AWS CodeBuild.
- ✓ Khả năng Deploy ứng dụng trên Server bằng AWS CodeDeploy.
- ✓ Sắp xếp các bước MLOps bằng AWS CodePipeline.
- ✓ Xác định các AWS service phù hợp để triển khai các giải pháp ML.
- ✓ Thực hiện Load testing.
- ✓ Monitoring End Point Performance.
- ✓ Monitoring Model Drift.
- ✓ Khả năng tuân theo các phương pháp hay nhất về model-training.
- ✓ Khả năng tuân theo các phương pháp triển khai tốt nhất.
- ✓ Khả năng tuân theo các thực tiễn vận hành tốt nhất.
Chào mừng bạn đến với "MLOps thực tế dành cho nhà khoa học dữ liệu và kỹ sư DevOps với AWS." Khóa học toàn diện này được thiết kế dành cho những cá nhân mong muốn vượt trội trong vai trò artificial intelligence và machine learning (AI/ML) development hoặc data science, tiếp cận chúng với một tư duy Production Level. Trong suốt khóa học này, bạn sẽ nâng cao kỹ năng thiết kế, xây dựng, triển khai, tối ưu hóa, đào tạo, điều chỉnh và duy trì các giải pháp ML cho những thách thức kinh doanh trong thế giới thực, tận dụng sức mạnh của AWS Cloud kết hợp với các biện pháp thực hành tốt nhất của DevOps được thiết kế riêng cho Machine Learning.
Mặc dù bạn có thể đã có hiểu biết cơ bản về machine learning nhưng điều cần thiết là phải nhận ra rằng nhà tuyển dụng không chỉ tìm kiếm những điều cơ bản có thể chạy trên một local notebook.
Từ quan điểm của nhà tuyển dụng, ứng viên phải thể hiện:
- ✓ 1. Thành thạo trong việc tuân theo các phương pháp hay nhất về model-training trên các bộ dữ liệu mở rộng dựa trên đám mây.
- ✓ 2. Chuyên môn trong việc tuân thủ các phương pháp triển khai tốt nhất, đảm bảo chức năng nhất quán.
- ✓ 3. Khả năng triển khai các phương pháp vận hành tốt nhất để đảm bảo không có thời gian ngừng hoạt động.
Về bản chất, bạn phải giải quyết các vấn đề kinh doanh bằng cách triển khai các giải pháp trên bộ dữ liệu có thể mở rộng, vượt ra ngoài giới hạn của laptop cá nhân.
Trong suốt hành trình học tập này, chúng tôi sẽ đi theo một lộ trình có cấu trúc, hướng dẫn bạn một cách hợp lý thông qua tài liệu khóa học với những giải thích sâu sắc cũng như các bài tập và minh họa thực tế có liên quan.
Khóa học được cấu trúc thành các phần sau:
- ✓ Phần 1: Giới thiệu về Khóa học AWSMLOPS và Người hướng dẫn.
- ✓ Phần 2: Tìm hiểu MLOps.
- ✓ Phần 3: DevOps Principles dành cho Data Scientists.
- ✓ Phần 4: Bắt đầu với AWS.
- ✓ Phần 5: Nền tảng của Linux cho MLOps.
- ✓ Phần 6: Source Code Management bằng GIT và AWS CodeCommit.
- ✓ Phần 7: Tổng quan ngắn gọn về YAML.
- ✓ Phần 8: Tìm hiểu sâu về AWS CodeBuild.
- ✓ Phần 9: Làm chủ AWS CodeDeploy.
- ✓ Phần 10: Streamlining với AWS CodePipeline.
- ✓ Phần 11: Sử dụng Docker Containers.
- ✓ Phần 12: MLO thực tế với Amazon SageMaker.
- ✓ Phần 13: Feature Engineering và Feature Store trong SageMaker.
- ✓ Phần 14: Từ Training, Tuning đến Deploying Machine Learning Models.
- ✓ Phần 15: Crafting Custom Models.
- ✓ Phần 16: MLOps với SageMaker Pipelines.
Tất cả tài liệu khóa học, bao gồm cả mã nguồn, đều có sẵn trên GitHub, đảm bảo truy cập thuận tiện từ mọi nơi và truy cập vào các bản cập nhật mới nhất.
Là một phần của khóa học này, bạn sẽ đạt được trình độ thành thạo trong nhiều công cụ, công nghệ và khái niệm:
- ✓ Data Ingestion và Collection.
- ✓ Data Processing và ETL (Extract, Transform, Load).
- ✓ Data Analysis và Visualization.
- ✓ Model Training và Deployment/Inference.
- ✓ Operational Aspects of Machine Learning.
- ✓ AWS Machine Learning Application Services.
- ✓ Sử dụng Notebook và Integrated Development Environment (IDE).
- ✓ Version Control với AWS CodeCommit.
- ✓ Leveraging Amazon Athena.
- ✓ Workflow hiệu quả với AWS Batch.
- ✓ Quản lý Compute Resources với Amazon EC2.
- ✓ Containerization với Amazon Elastic Container Register (Amazon ECR).
- ✓ Data Transformation với AWS Glue.
- ✓ Streamlining Machine Learning với Amazon SageMaker.
- ✓ Monitoring với Amazon CloudWatch.
- ✓ Event-Driven Computing với AWS Lambda.
- ✓ Storage và Scalability với Amazon S3.
Bắt tay vào hành trình này để nâng cao kỹ năng AI/ML và DevOps của bạn lên một tầm cao mới, đồng thời trang bị cho bản thân khả năng giải quyết những thách thức kinh doanh phức tạp bằng cách sử dụng các công cụ mới nhất và phương pháp thực hành tốt nhất trên nền tảng AWS. Thành công của bạn trong thế giới MLOps bắt đầu từ đây.
Mục lục:
- ✓ 01 - Giới thiệu về Khóa học AWS MLOPS và Người hướng dẫn.
- ✓ 02 - Giới thiệu về MLOps.
- ✓ 03 - DevOps for Data Scientists.
- 04 - Bắt đầu với AWS.
- ✓ 05 - Linux Operating System for DevOps và Data Scientists.
- ✓ 06 - Source code Management sử dụng GIT - CodeCommit.
- ✓ 07 - Khóa học YAML cấp tốc.
- ✓ 08 - AWS CodeBuild.
- ✓ 09 - AWS Code Deploy.
- ✓ 10 - Code Pipeline.
- ✓ 11 - Docker Containers.
- ✓ 12 - MLO thực tế - Amazon Sagemaker.
- ✓ 13 - Feature Engineering - Feature Store trong Sagemaker.
- ✓ 14 - Training, Tuning & Deploying Model.
- ✓ 15 - Create Custom Models.
- ✓ 16 - AWS CloudFormation.
- ✓ 17 - AWS Step Functions.
- ✓ 18 - MLOps Sagemaker Pipelines.
- ✓ 19 - References (V2).
Khóa học này dành cho ai:
- ✓ Bất kỳ ai đang chuẩn bị cho các cuộc phỏng vấn về Data Science, Machine Learning & Deep Learning.
- ✓ Bất kỳ ai muốn tìm hiểu cách triển khai Machine Learning trên dữ liệu quy mô lớn.
- ✓ Bất kỳ ai quan tâm đến khoa học dữ liệu và học máy trên nền tảng đám mây AWS.
- ✓ Bất kỳ ai muốn tìm hiểu các phương pháp hay nhất để triển khai các Machine Learning Model trên đám mây.
- ✓ Bất kỳ ai muốn tìm hiểu các phương pháp hay nhất để vận hành các mô hình học máy.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU