MLOps for Building AI/ML Pipelines
- TTDT70
- Classroom
- Fundamental
- Thai | 0
หลักสูตร AI/ML Pipelines มุ่งเน้นการสร้างและจัดการกระบวนการทำงานของ Machine Learning แบบครบวงจรด้วยแนวคิด MLOps ตั้งแต่การเตรียมข้อมูล การสร้างและฝึก Model การจัดการ Model และ Features ไปจนถึงการ Deploy และ Monitoring
Course description
Time
Instructor
Venue
MLOps for Building AI/ML Pipelines
วัตถุประสงค์
หลักสูตร AI/ML Pipelines มุ่งเน้นการสร้างและจัดการกระบวนการทำงานของ Machine Learning แบบครบวงจรด้วยแนวคิด MLOps ตั้งแต่การเตรียมข้อมูล การสร้างและฝึก Model การจัดการ Model และ Features ไปจนถึงการ Deploy และ Monitoring
ผู้เรียนจะได้เรียนรู้การใช้เครื่องมือ Open Source เช่น MLflow, Feast, Git, DVC, Evidently และ BentoML เพื่อจัดการ Model Lifecycle, Version Control, Model Drift และการ Deploy Model ให้สามารถทำงานได้อย่างเป็นระบบ ทำซ้ำได้ และดูแล Model ได้อย่างต่อเนื่อง
กลุ่มเป้าหมาย
1. Machine Learning Engineer
2. AI / Data Scientist
3. Software / Python Developer
4. DevOps / DevSecOps Engineer
5. IT Professional ที่เกี่ยวข้องกับ AI/ML Systems
คุณสมบัติของผู้เข้าอบรม
1. มีพื้นฐานด้าน Python และ Machine Learning
2. มีความเข้าใจพื้นฐานด้าน Git หรือ Software Development
3. มีความสนใจด้าน MLOps และ ML Model Deployment
ประโยชน์ที่จะได้รับ
1. เข้าใจกระบวนการสร้าง End-to-End MLOps Pipeline
2. สามารถจัดการ Model Lifecycle และ ML Artifacts ด้วย MLflow
3. สามารถจัดการ Version ของ Code, Data และ Model ด้วย Git และ DVC
4. สามารถตรวจสอบ Model Drift และกำหนดแนวทางจัดการ Drift
5. สามารถ Deploy ML Models และประเมิน Inference Performance
6. สามารถนำเครื่องมือ Open Source มาประยุกต์ใช้ในการสร้าง ML Pipeline
Day 1
1. AI Architecture
- ML Lifecycle
- Feature Engineering
- Model Training
- Model Deployment & Monitoring
2. Introduction to MLOps
- Importance of MLOps
- MLOps Lifecycle
- Artifact Tracking
- MLOps with MLflow
3. Introduction to MLflow
- MLflow & Model Registries
- Feature Stores
Day 2
4. Revision Control
- Version Control
- Working with DVC
5. Monitoring Drift
- Model Drift
- Drift Detection
- Drift Thresholds
6. Deploy
- ML Model Deployment
- Inference Performance Evaluation
Payment can be made by:
- Cash or Credit Card or Bank Cheque payable to
สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ or National Science and Technology Development Agency
(a post-dated cheque is not accepted) on the first day of the service or within the last day of the service. - Account transfer and send the proof of the payment (the deposit slip) via email songsiri@swpark.or.th
- ธนาคารกรุงเทพ สาขาอุทยานวิทยาศาสตร์
Saving Account Number: 080-0-00001-0
Account Name: สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ - ธนาคารกรุงไทย สาขาตลาดไท
Saving Account Number: 152-1-32668-1
Account Name: สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ
- ธนาคารกรุงเทพ สาขาอุทยานวิทยาศาสตร์
Notes:
- Withholding tax (3%) is exempt.
- Should you need to withdraw, you must send the notice of the withdrawal in writing no later than 7 working days before the commencement date. The cancellation less than 7 days will be subject to a fine of 40% of the fee.
- Software Park Thailand reserves the rights to cancel courses due to unforeseen circumstances.
Contact Person
For more information, contact our course coordinator on:
: +662 583 9992 Ext. 81426
: 
10,000 THB .
(ราคายังไม่รวม Vat 7%)
สำคัญ!!! กรุณารอการยืนยันเปิดการอบรมจากเจ้าหน้าที่ก่อนการชำระค่าลงทะเบียน
Course Detail :
Instructor info
Mr.Phanupong Permpimol
CEO, iRobust Co.,Ltd. Software Development and Security