Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

MLOps with AWS - Bootcamp - Zero to Hero Series

MLOps với AWS - Bootcamp - Hành trình từ Zero đến Hero

MLOps với AWS - Bootcamp - Hành trình từ Zero đến Hero

Nâng tầm hành trình MLOps của bạn: Làm chủ AWS AI/ML - Từ Notebook đến Vận hành Sản phẩm với Hướng dẫn Chuyên gia - MLOps 2024

4.4
(1,113 đánh giá)
10,418 học viên
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
79.000đ 349.000đ -77%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
38.0 giờ video
187 bài giảng
4 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 07/06/2026

Bạn sẽ học được gì

Cấu hình Pipeline CI/CD cho các Dự án Machine Learning
Theo dõi mã nguồn, hình ảnh huấn luyện, file cấu hình với kho lưu trữ dựa trên Git – AWS CodeCommit
Thực hiện Build bằng AWS CodeBuild
Triển khai Ứng dụng lên Server bằng AWS CodeDeploy
Điều phối các bước MLOps bằng AWS CodePipeline
Xác định các dịch vụ AWS phù hợp để triển khai giải pháp ML
Thực hiện Kiểm thử Tải (Load testing)
Giám sát Hiệu suất End Point
Giám sát Model Drift (Sự trôi dạt mô hình)
Áp dụng các phương pháp hay nhất trong huấn luyện mô hình
Áp dụng các phương pháp hay nhất trong triển khai
Áp dụng các phương pháp hay nhất trong vận hành

Yêu cầu

Kiến thức cơ bản về AWS
Có tài khoản AWS để thực hành
Kiến thức cơ bản về Machine Learning & Deep Learning

Đối tượng phù hợp

Dành cho người đang chuẩn bị phỏng vấn Data Science, Machine Learning & Deep Learning
Dành cho người muốn tìm hiểu cách triển khai Machine Learning trên dữ liệu quy mô lớn
Dành cho người quan tâm đến machine learning và data science trên nền tảng đám mây AWS
Dành cho người muốn học các phương pháp hay nhất để triển khai Machine Learning Models trên Cloud
Dành cho người muốn học các phương pháp hay nhất để Vận hành hóa (Operationalize) các Mô hình Machine Learning

Nội dung khóa học

23 phần • 187 bài giảng
1 Chào mừng đến với Hành trình MLOps
2 Tài nguyên Slide & Mã nguồn
3 Giới thiệu về Khóa học MLOps với AWS
4 Làm thế nào để tận dụng tối đa khóa học này?
1 MLOps là gì & Tại sao cần MLOps
2 Demo thực hành nhanh về MLOps
3 Kiến thức nền tảng MLOps
4 Kiến thức nền tảng MLOps - Tìm hiểu sâu
5 Tại sao chỉ DevOps là không đủ cho Machine Learning?
6 AWS là gì & Lợi ích của nó
7 Technical Stack của AWS cho MLOps & Machine Learning
1 SDLC là gì & Tại sao nó quan trọng
2 Các loại hình SDLC
3 Waterfall vs Agile vs DevOps
4 Vòng đời DevOps & Công cụ trên AWS
1 Chúng ta sẽ học gì trong phần này?
2 Tạo Tài khoản AWS
3 Thiết lập MFA cho Tài khoản Root
4 Tạo Tài khoản IAM và Account Alias
5 Thiết lập CLI với Credentials
6 IAM Policy
7 Tạo và gán IAM Policy
8 Xóa IAM User
9 S3 Bucket và Storage Classes
10 Tạo S3 Bucket từ Console
11 Tạo S3 Bucket từ CLI
12 Bật tính năng Versioning trong S3
13 Giới thiệu EC2 instances
14 Khởi chạy EC2 instance & SSH vào EC2 Instances
15 Hoạt động Dọn dẹp
1 Chúng ta sẽ học gì trong phần này?
2 Tính năng Linux & Bash
3 Cách khởi chạy EC2 Instances (Ôn tập nhanh)
4 Các lệnh Linux cơ bản
1 Giới thiệu về CI CD Pipeline
2 Cập nhật về CodeCommit - Không khả dụng cho người dùng mới
3 Giới thiệu về AWS Code Commit & DVCS
4 Cấu hình Git ban đầu & Các lệnh Git
5 Thiết lập workspace cho Git
6 Quy trình làm việc với Git
7 Thêm file vào Staging Area
8 Xem sự khác biệt ở Staging Area
9 Git Unstage
10 Git Reset & Revert
11 Cập nhật về CodeCommit
12 Các lệnh Git Remote cho AWS Code Commit
13 Cloning và Branching
14 Thực hành Git Branching Phần 1
15 Thực hành Git Branching Phần 2
16 Xung đột Git & Cách giải quyết
17 Git Rebase vs Git Merge
18 Giới thiệu Git Stash
19 Thực hành Git Stash
20 Bảo mật AWS Code Commit
21 Thực hành Bảo mật AWS Code Commit
22 Tích hợp AWS Code Commit - Triggers - Notifications - CloudWatch - EventBridge
23 Tổng kết
1 Giới thiệu về Hệ thống Kiểm soát Phiên bản
2 Local Repo vs Remote Repo
3 Cấu hình Git
4 Bắt đầu với Local Repo
5 Khái niệm Working Directory - Staging Area - Commit
6 Bắt đầu với git
7 Quy trình làm việc với Git - Local Repo
8 Git Branch
9 Chuyển đổi giữa các Branch
10 Merging (Gộp nhánh)
11 Checkout Commits
12 Các dịch vụ lưu trữ Git
13 Làm việc với Remote Repositories
14 Cloning và Xóa Branches
15 3 way merge
16 Tổng kết
1 Khóa học cấp tốc về YAML
1 Giới thiệu AWS CodeBuild
2 Tạo Dự án CodeBuild đầu tiên
3 Tạo Dự án CodeBuild đầu tiên với GitHub
4 Cập nhật quan trọng từ Giảng viên
5 Tìm hiểu sâu về buildspec.yml
6 Thực hành Code Build
7 Environment Variables trong CodeBuild & Thực hành tìm hiểu sâu buildspec.yml
8 Thực hành làm việc với CodeBuild Artifacts
9 AWS CodeBuild Triggers
10 Hoạt động Dọn dẹp
1 Giới thiệu AWS CodeDeploy
2 AWS CodeDeploy đầu tiên - Giới thiệu phần Thực hành
3 AWS CodeDeploy đầu tiên
4 appspec.yml - Tìm hiểu sâu
5 Tổng kết CodeDeploy
1 Giới thiệu AWS CodePipeline
2 Tạo CodePipeline - Thực hành
3 Quy trình CI CD Tự động với Xác nhận Thủ công
4 Tổng kết & Dọn dẹp
1 Giới thiệu về Docker
2 Cài đặt Docker Desktop
3 Kiến thức cơ bản về Docker
4 Pull image từ Docker Registry
5 Dockerfile
6 Push Docker Image lên ECR
7 Thực hành - Amazon ECR cho AWS CodeBuild
8 Tổng kết
1 AWS Sagemaker là gì?
2 Tại sao Sagemaker là công cụ được ưa chuộng nhất
3 Tạo Domain và Sagemaker Studio
4 Hoạt động Dọn dẹp
1 Feature Engineering là gì
2 Lưu ý nhanh về Thiết lập Data Wrangler!!
3 Thiết lập Data Wrangler
4 Làm việc với Phiên bản mới nhất của Data Wrangler (Phiên bản mới)
5 Báo cáo Chất lượng và Thông tin chi tiết về Dữ liệu
6 Phân tích Đơn biến & Báo cáo Độ lệch
7 Target Leakage (Rò rỉ mục tiêu)
8 Biến đổi Dữ liệu
9 Biến đổi Dữ liệu - Script tùy chỉnh
10 Xuất ra S3
11 Feature Engineering trên Sagemaker Notebook Instance
12 Feature Engineering với Sagemaker Processing
13 Tổng kết
1 Giới thiệu Feature Store
2 Tiền xử lý Dữ liệu Khách hàng
3 Tiền xử lý Dữ liệu Đơn hàng
4 Tạo Feature Group
5 Đưa dữ liệu vào Feature Group
1 Huấn luyện mô hình xgboost
2 Triển khai Mô hình
3 Tạo End Point và End Point Configuration
4 Tự động Tinh chỉnh Mô hình
1 Giới thiệu về Bring your own Training Script
2 Sử dụng Mô hình Tùy chỉnh tạo bằng Tensorflow
3 Sử dụng Mô hình Tùy chỉnh tạo bằng Pytorch
4 Sử dụng Mô hình Tùy chỉnh tạo bằng sklearn
1 Giới thiệu về Infrastructure as Code
2 Bắt đầu với CloudFormation - Thực hành
3 Tìm hiểu CloudFormation Template
4 Tạo S3 Bucket bằng CloudFormation Template
5 Intrinsic Functions phần 1
6 Thực hành: Base64, Ref, FindInMap
7 Intrinsic Functions phần 2
8 Thực hành: Intrinsic Functions v2
9 Intrinsic Functions phần 3
10 Thực hành: S3 Bucket với Parameters & Join
11 Thực hành – Return Values – GetAtt & Sub
12 ConditionFunctions
13 Thực hành Condition Functions
14 Thực hành: Định nghĩa Conditions ở cấp độ property
15 Thực hành - Resource Dependencies
16 Thực hành Resource Dependencies - Intrinsic Functions
17 CloudFormation Helper Scripts
18 Thực hành CloudFormation Helper Scripts
19 Thực hành CloudFormation Helper Scripts thất bại
20 Custom Resources
21 Thực hành: Tạo Custom Resource dựa trên Lambda
22 Dynamic References
23 Thực hành Dynamic References với ssm parameter store
1 Tìm hiểu Step Functions
2 Phần bổ sung - Thực hành làm việc với AWS Step Functions
3 Phần bổ sung - Thực hành - Tạo Serverless Workflow
1 Giới thiệu Sagemaker Pipelines
2 Quy trình Huấn luyện Sagemaker
3 Quy trình Suy luận Sagemaker
4 Quy trình MLOps Nâng cao
5 Tổng quan Kiến trúc
6 Thiết lập Hệ thống cho Cloud9
7 Tạo Kho dữ liệu cho MLOps
8 Giới thiệu Tài nguyên Pipeline
9 Đẩy Tài nguyên ETL lên CodeCommit
10 Tài nguyên Kiểm thử Huấn luyện và Suy luận
11 Chạy Kiểm thử Đơn vị trên Train & Predict
12 Tài nguyên Kiểm thử Hệ thống
13 Tóm tắt Nhanh về Tài nguyên
14 Làm việc với các Thành phần Pipeline
15 Tạo Pipeline MLOps
16 Thực thi Pipeline MLOps
17 Kích hoạt Kiểm thử Mô phỏng Tải
18 Tạo Trực quan hóa với CloudWatch Logs
19 Trôi chất lượng Dữ liệu, Đường cơ sở, Dữ liệu Suy luận
20 Dọn dẹp
1 Đóng gói Mô hình ML
2 MLOps với MLFlow
3 Kubernetes 101 - Phần 1
4 Kubernetes 101 - Phần 2
5 Phần thưởng: Tìm hiểu Kiến trúc Transformer
1 Hiểu về AI Tạo sinh, Kỹ thuật Prompt và Cách triển khai
1 Giới thiệu AWS CodeDeploy
2 Thực hành AWS CodeDeploy
3 Tìm hiểu sâu Appspec.yml
4 Phần thưởng: Giới thiệu MLOps Doanh nghiệp

Giới thiệu khóa học

Welcome to "Practical MLOps for Data Scientists & DevOps Engineers with AWS"

Are you ready to propel your career in artificial intelligence and machine learning (AI/ML) development or data science to new heights? This comprehensive course is meticulously crafted for individuals with aspirations to excel in these domains, providing a Production Level mindset that goes beyond the basics.

Course Overview: Mastering MLOps with AWS

**1. Elevate Your Skills:

  • Design, build, deploy, optimize, train, tune, and maintain ML solutions using AWS Cloud.

  • Adopt a Production Level mindset tailored for Machine Learning in conjunction with DevOps best practices.

**2. Beyond Basics:

  • Employ model-training best practices on extensive cloud-based datasets.

  • Demonstrate expertise in deployment best practices for consistent functionality.

  • Implement operational best practices to guarantee zero downtime.

**3. Structured Learning Path:

  • Follow a logical, structured path with in-depth explanations, practical exercises, and relevant demonstrations.

  • Gain proficiency in tackling real-world business challenges by implementing scalable solutions on AWS.

Course Structure: Journey Through Mastery

Section 1: Introduction to the AWSMLOPS Course and Instructor

  • Get acquainted with the course objectives and the experienced instructor leading the way.

Section 2: Understanding MLOps

  • Delve into the core concepts of MLOps, understanding its significance and application.

Section 3: DevOps Principles for Data Scientists

  • Explore the principles of DevOps tailored for data scientists, bridging the gap between development and operations.

Section 4: Getting Started with AWS

  • Acquaint yourself with the AWS platform, laying the foundation for subsequent sections.

Sections 5-16: In-Depth Exploration

  • A comprehensive exploration of key topics, including AWS CodeBuild, AWS CodeDeploy, AWS CodePipeline, Docker Containers, Amazon SageMaker, Feature Engineering, SageMaker Pipelines, and much more.

Hands-On Learning: Real-World Applications

Tools and Technologies Covered:

  • Data Ingestion and Collection

  • Data Processing and ETL (Extract, Transform, Load)

  • Data Analysis and Visualization

  • Model Training and Deployment/Inference

  • Operational Aspects of Machine Learning

  • AWS Machine Learning Application Services

  • Notebooks and Integrated Development Environments (IDEs)

  • Version Control with AWS CodeCommit

  • Amazon Athena, AWS Batch, Amazon EC2

  • Amazon Elastic Container Registry (Amazon ECR), AWS Glue

  • Amazon CloudWatch, AWS Lambda

  • Amazon S3 for Storage and Scalability

Access to Course Materials:

  • All course materials, including source code, are available on GitHub for convenient access from anywhere.

  • Stay updated with the latest advancements through easy access to the latest updates.

Embark on the MLOps Journey: Elevate Your Skills Today

Why Choose This Course?

  • Gain a Production Level mindset tailored for AI/ML in conjunction with DevOps practices.

  • Acquire proficiency in deploying solutions on scalable datasets beyond personal laptops.

  • Comprehensive exploration of AWS services crucial for MLOps.

  • Real-world applications and hands-on projects for practical learning.

Your Success in MLOps Begins Here:

  • Equip yourself with the latest tools and best practices on the AWS platform.

  • Tackle complex business challenges with confidence.

  • Propel your career to new heights in the world of MLOps.

Enroll Now: Take the leap into mastering MLOps with AWS. Click the "Enroll Now" button to embark on a transformative learning journey. Elevate your AI/ML and DevOps skills to the next level and solve complex business challenges effectively. Your success in the world of MLOps begins here and now!

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Aws
Hiển thị tất cả khoá học Devops
Hiển thị tất cả khoá học Docker
Hiển thị tất cả khoá học Machine Learning
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊