การนำโมเดล Machine Learning ไปใช้งานจริงด้วย FastAPI, Docker, และ AWS

โมเดล Machine Learning จำนวนมากไม่เคยถูกนำออกจากสภาพแวดล้อมการพัฒนา เนื่องจากเส้นทางสู่การผลิตจริงนั้นดูซับซ้อนและกระจัดกระจาย หลักสูตรนี้จะเชื่อมช่องว่างดังกล่าว โดยสอนวิธีนำโมเดล Transformer ที่ล้ำสมัยมาเปลี่ยนให้เป็นบริการเว็บที่แข็งแกร่งและเข้าถึงได้ คุณจะได้ก้าวข้ามสคริปต์ในเครื่องไปสู่การสร้างแอปพลิเคชันระดับมืออาชีพที่พร้อมสำหรับโลกแห่งความเป็นจริง เมื่อจบคอร์สนี้ คุณจะมีความเข้าใจที่ชัดเจนเกี่ยวกับวงจรการนำไปใช้งานทั้งหมด ตั้งแต่การเลือกโมเดลที่ผ่านการฝึกฝนล่วงหน้า (pre-trained models) ไปจนถึงการโฮสต์บนแพลตฟอร์มคลาวด์ที่ปรับขนาดได้ คุณจะได้รับทักษะในการสร้าง API ที่มีประสิทธิภาพ สร้างอินเทอร์เฟซแบบโต้ตอบ และจัดการโครงสร้างพื้นฐานโดยใช้เครื่องมือมาตรฐานอุตสาหกรรม * ทำความเข้าใจแนวคิดพื้นฐานของสถาปัตยกรรม Transformer เช่น BERT และ ViT * สร้างเว็บ API ประสิทธิภาพสูงสำหรับการอนุมานโมเดล (model inference) โดยใช้ FastAPI * สร้างส่วนต่อประสานผู้ใช้แบบโต้ตอบสำหรับเครื่องมือ Machine Learning ด้วย Streamlit * จัดการแอปพลิเคชันให้อยู่ในรูปแบบคอนเทนเนอร์โดยใช้ Docker เพื่อให้การทำงานสอดคล้องกันในทุกสภาพแวดล้อม * กำหนดค่าโครงสร้างพื้นฐานคลาวด์บน AWS เพื่อโฮสต์และปรับขนาดการนำไปใช้งานของคุณ * ประยุกต์ใช้เทคนิคการเพิ่มประสิทธิภาพโมเดล (model optimization) และ quantization เพื่อปรับปรุงความเร็วในการอนุมาน * นำเวิร์กโฟลว์ MLOps พื้นฐานมาใช้สำหรับการจัดการเวอร์ชันโมเดลและวงจรชีวิต หลักสูตรนี้เริ่มต้นด้วยคำศัพท์ที่จำเป็นและพื้นฐานของการให้บริการโมเดล (model serving) ก่อนที่จะเข้าสู่การพัฒนา API และการทำคอนเทนเนอร์ในทางปฏิบัติ จากนั้นคุณจะได้สำรวจวิธีการจัดการสภาพแวดล้อมคลาวด์เพื่อให้แน่ใจว่าโมเดลของคุณปลอดภัย เชื่อถือได้ และมีประสิทธิภาพ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นในสาขาวิทยาศาสตร์ข้อมูลและวิศวกรรมซอฟต์แวร์ที่ต้องการเข้าสู่โลกของ MLOps โดยไม่จำเป็นต้องมีประสบการณ์ในการนำไปใช้งานจริงมาก่อน เริ่มสร้างและนำแอปพลิเคชัน Machine Learning ที่พร้อมใช้งานจริงของคุณเองได้แล้ววันนี้