โครงสร้างพื้นฐานและแพลตฟอร์ม AI: จาก Edge สู่ Cloud

ในการสร้างแอปพลิเคชันปัญญาประดิษฐ์ที่มีประสิทธิภาพ คุณต้องเข้าใจทั้งฮาร์ดแวร์ทางกายภาพที่ใช้รันแอปพลิเคชันเหล่านั้น และเฟรมเวิร์กซอฟต์แวร์ที่ใช้จัดการ การเลือกโครงสร้างพื้นฐานที่เหมาะสมสามารถสร้างความแตกต่างระหว่างต้นแบบที่เชื่องช้ากับระบบ AI ที่ปรับขนาดได้สูงและคุ้มค่า หลักสูตรนี้จะนำคุณผ่านสแต็กเทคโนโลยี AI ทั้งหมด โดยอธิบายว่าตัวเร่งฮาร์ดแวร์ (hardware accelerators) และไลบรารีซอฟต์แวร์ทำงานร่วมกันอย่างไร คุณจะได้รับความเข้าใจที่ชัดเจนว่าโมเดลต่างๆ ได้รับการฝึกฝนในศูนย์ข้อมูลคลาวด์ขนาดใหญ่ และนำไปใช้งานบนอุปกรณ์ edge ที่มีข้อจำกัดด้านทรัพยากรได้อย่างไร สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจความแตกต่างพื้นฐานระหว่าง CPUs, GPUs, TPUs, และตัวเร่ง AI เฉพาะทาง (specialized AI accelerators) - สำรวจเฟรมเวิร์กการเรียนรู้ของเครื่องยอดนิยม เช่น PyTorch และ TensorFlow เพื่อเลือกเครื่องมือที่เหมาะสมสำหรับโครงการของคุณ - เรียนรู้วิธีการปรับปรุงและนำโมเดล AI ไปใช้งานโดยใช้มาตรฐานเปิด เช่น ONNX เพื่อความเข้ากันได้ข้ามแพลตฟอร์ม (cross-platform compatibility) - ค้นพบสถาปัตยกรรมของ edge AI การรันโมเดลในเครื่องบนอุปกรณ์ Internet-of-Things (IoT) และอุปกรณ์มือถือ - ตรวจสอบข้อกำหนดโครงสร้างพื้นฐานคลาวด์ รวมถึงบทบาทของ vector databases และรูปแบบ retrieval-augmented generation สมัยใหม่ - เปรียบเทียบข้อดีข้อเสียระหว่างฮาร์ดแวร์แบบ on-premise, การฝึกอบรมบนคลาวด์ (cloud-based training) และกลยุทธ์การปรับใช้แบบไฮบริด (hybrid deployment strategies) คุณจะเริ่มต้นด้วยแนวคิดหลักของการคำนวณ AI ก่อนที่จะเข้าสู่สถาปัตยกรรมฮาร์ดแวร์ เฟรมเวิร์กซอฟต์แวร์ และกลยุทธ์การปรับใช้ คุณจะได้เรียนรู้วิธีการออกแบบระบบ AI แบบ end-to-end ผ่านคำอธิบายที่ชัดเจนและสถานการณ์การออกแบบเชิงปฏิบัติ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้น นักพัฒนา และผู้มีอำนาจตัดสินใจด้านเทคโนโลยีที่ต้องการทำความเข้าใจระบบนิเวศ AI สมัยใหม่ ไม่จำเป็นต้องมีประสบการณ์ด้านวิศวกรรมฮาร์ดแวร์หรือการเรียนรู้ของเครื่องขั้นสูงมาก่อน ก้าวเข้าสู่โลกของสถาปัตยกรรมระบบ AI และเริ่มวางแผนแอปพลิเคชันอัจฉริยะถัดไปของคุณได้แล้ววันนี้