Amazon Web Services - AWME

MLOps Engineering on AWS

MLOps Engineering on AWS
  • 時數：21小時
  • 費用：NT$ 42,000
  • 點數：11.0

選擇查詢分區開課時間

地點 班號 日期 時間 預約
台北 25854 班 2025/04/07 ~ 2025/04/09 每週一二三 09:00~17:00 預約

目前查無開課時段

詳細開課時間請洽詢業務
新竹、台中、高雄如有上課需求，請參考台北開課日期，洽當地服務人員依需求加開遠距開課日期

聯絡恆逸

教材

AWS原廠電子教材

課程目標

本課程將協助您將DevOps型態的實踐方式帶入建立、訓練與部署ML模型。您將學到以工具、自動化、流程與團隊合作方式來克服在資料工程師、資料科學家、軟體開發人員與操作人員之間傳遞資料的問題。完成本課程之後，您將學會如何為公司建立MLOps的行動計畫。

適合對象

  1. 資料平台工程師
  2. DevOps工程師
  3. 負責管理ML Model的程式開發人員或操作人員

預備知識

  1. 上過AWS Technical Essential課程或具備相等經驗
  2. 上過DevOps Engineering on AWS課程或具備相等經驗

課程內容

  1. 課程簡介

  2. MLOps介紹

    　 • 機器學習的作業

    　 • MLOps的目標

    　 • 溝通

    　 • 從DevOps到MLOps

    　 • ML工作流程

    　 • 範圍

    　 • ML工作流程的MLOps視角

    　 • MLOps案例

  3. MLOps開發

    　 • 建立、訓練與評估機器學習模型的介紹

    　 • MLOps的安全機制

    　 • 自動化

    　 • Apache Airflow

    　 • MLOps與Kubernetes的整合

    　 • MLOps與Amazon SageMaker

  4. MLOps部署

    　 • 介紹部署作業

    　 • 模型封裝

    　 • 推論

    　 • SageMaker正式模型的不同版本

    　 • 部署策略

    　 • 部署至邊緣設備

  5. 模型監控與操作

    　 • 監控的重要性

    　 • 監控設計

    　 • 訓練師

    　 • 監控Amazon SageMaker模型

    　 • 解決問題

學會技能

  1. 能夠在AWS Cloud部署自己的ML模型
  2. 使用自動化流程建立、訓練、測試與部署ML模型
  3. 在生產環境下，採用不同的部署策略來實作ML模型
  4. 監控會影響預測結果與符合商業預期的資料漂移與概念漂移

備註事項

  1. 上課時間為09:00~17:00

  2. 此課程需向原廠訂購電子教材及實驗環境，請於開課前兩週完成報名並繳清課程費用


    您的公司是已經遷上雲端了，還是正在遷上雲端？


    恆逸講師重點解析AWS雲端運算概念、AWS核心服務、AWS安全與合規概觀

推薦課程