Phù hợp với: 

• Ít nhất 1 năm kinh nghiệm sử dụng Amazon SageMaker và các dịch vụ AWS khác cho ML engineering. 

• Ít nhất 1 năm kinh nghiệm trong các vai trò liên quan như: Lập trình viên backend; DevOps developer; Data engineer; Data scientist 

Nên có kiến thức IT chung sau: 

• Hiểu biết cơ bản về các thuật toán ML phổ biến và các trường hợp sử dụng của chúng. 

• Nền tảng về data engineering, bao gồm kiến thức về các định dạng dữ liệu phổ biến, quy trình thu thập và biến đổi dữ liệu trong chu trình học máy đảm bảo các đặc trưng được chuẩn hóa và mã hóa một cách chính xác. 

• Kiến thức về truy vấn và biến đổi dữ liệu. 

• Kiến thức trong kỹ thuật phần mềm để phát triển mã nguồn dạng module, tái sử dụng, triển khai và gỡ lỗi. 

• Làm quen với việc cấp phát và giám sát tài nguyên ML trên cloud và on-premises. 

• Kinh nghiệm với pipeline CI/CD và Hạ tầng dưới dạng mã (IaC). 

• Kinh nghiệm sử dụng hệ thống quản lý mã nguồn cho version control và CI/CD. 

Domain 1: Chuẩn bị Dữ liệu cho học máy (ML) 

• Thu thập và lưu trữ dữ liệu. 

• Chuyển đổi dữ liệu và thực hiện Kỹ thuật tạo đặc trưng dữ liệu. 

• Đảm bảo tính toàn vẹn dữ liệu và chuẩn bị dữ liệu cho quá trình mô hình hóa. 

Domain 2: Phát triển Mô hình học máy (ML) 

• Lựa chọn phương pháp mô hình hóa phù hợp. 

• Huấn luyện và tinh chỉnh mô hình. 

• Phân tích hiệu năng mô hình. 

Domain 3: Triển khai và Điều phối Quy trình học máy (ML) 

• Lựa chọn hạ tầng triển khai dựa trên kiến trúc hiện có và yêu cầu hệ thống. 

• Xây dựng và viết script hạ tầng dựa trên kiến trúc hiện có và yêu cầu. 

• Sử dụng các công cụ điều phối tự động để thiết lập pipeline CI/CD cho quy trình học máy (ML). 

Domain 4: Giám sát, Bảo trì và Bảo mật Giải pháp học máy (ML) 

• Giám sát quá trình suy luận (inference) của mô hình. 

• Giám sát và tối ưu hạ tầng cũng như chi phí. 

• Bảo mật các tài nguyên AWS. 

Bạn vui lòng liên hệ với Tư vấn viên qua mục chat trên website hoặc gọi đến số 024 3771 0668 để được tư vấn chi tiết về lộ trình học tập và chi phí!