หลักสูตรนี้จะเตรียมความพร้อมคุณสำหรับการสอบ AWS Certified Machine Learning – Specialty ซึ่งจะเป็นการตรวจสอบความสามารถคุณในการออกแบบ ปรับใช้ ติดตั้งใช้จริง และบำรุงรักษาโซลูชันแมชชีนเลิร์นนิง (ML) ในหลักสูตรนี้คุณจะได้เรียนรู้ถึงรายละเอียดการสอบและกลไกของคำถามในการสอบ รวมถึงจะได้สำรวจหัวข้อความรู้เชิงเทคนิคต่างๆ ของการสอบด้วย คุณจะได้ทบทวนบริการหลักของ AWS และแนวคิดหลักสำหรับหัวข้อความรู้ในการสอบ:1.    วิศวกรรมข้อมูล2.    การวิเคราะห์ข้อมูลเชิงสำรวจ3.    การสร้างโมเดล4.    การปรับใช้และการใช้งานแมชชีนเลิร์นนิง นอกจากนี้ คุณจะได้เรียนรู้กลยุทธ์สำคัญในการทำข้อสอบ และนำกลยุทธ์เหล่านั้นไปใช้จริง โดยการตอบคำถามเชิงวิเคราะห์ เมื่อคุณได้ฝึกฝนทักษะของคุณแล้ว คุณจะมีโอกาสทำแบบทดสอบที่จะช่วยให้คุณประเมินส่วนที่เป็นจุดแข็งและจุดอ่อนของคุณ เพื่อให้คุณรู้ว่าส่วนใดที่คุณจะต้องเน้นในการเรียนเพื่อเตรียมตัวสอบ หมายเหตุ: หลักสูตรนี้มีการแปลถอดเสียง/คำบรรยาย บทบรรยายเป็นภาษาอังกฤษหากต้องการแสดงคำบรรยาย ให้คลิกที่ปุ่ม CC ที่มุมล่างขวาของเครื่องเล่น วัตถุประสงค์ของหลักสูตรเมื่อจบหลักสูตรนี้ คุณจะสามารถ:ระบุจุดแข็งและจุดอ่อนของคุณในแต่ละหัวข้อความรู้ของการสอบ เพื่อให้รู้ว่าคุณควรเน้นที่หัวข้อใด ขณะเตรียมตัวสอบอธิบายหัวข้อทางเทคนิคและแนวคิดที่ทำให้เกิดเป็นแต่ละหัวข้อความรู้ของการสอบสรุปรายละเอียดและกลไกของการสอบ รวมถึงคำถามในการสอบใช้กลยุทธ์ที่มีประสิทธิภาพในการเตรียมตัวและการทำข้อสอบ  ผู้เข้าร่วมเป้าหมายหลักสูตรนี้จัดทำขึ้นสำหรับ:ผู้ที่ใช้งาน ML ที่มีประสบการณ์เชิงปฏิบัติอย่างน้อยหนึ่งปี และผู้ที่กำลังเตรียมตัวสอบ AWS Certified Machine Learning – Specialty ข้อกำหนดเบื้องต้นเราขอแนะนำว่าผู้เข้าร่วมในหลักสูตรนี้ควรมี:ความเชี่ยวชาญในการแสดงออกถึงไหวพริบเบื้องหลังอัลกอริทึม ML พื้นฐาน และในการดำเนินการเพิ่มประสิทธิภาพไฮเปอร์พารามิเตอร์แบบพื้นฐานความเข้าใจไปป์ไลน์ของ ML และส่วนประกอบต่างๆประสบการณ์ด้านเฟรมเวิร์กดีปเลิร์นนิงและ MLความเข้าใจและประสบการณ์ในการฝึกโมเดล การติดตั้งใช้จริง และแนวทางดำเนินการที่ดีที่สุด เนื้อหาหลักสูตร    โมดูลที่ 0: ข้อมูลเบื้องต้นเกี่ยวกับหลักสูตรโมดูลที่ 1: ภาพรวมของการสอบและกลยุทธ์ในการทำข้อสอบภาพรวมของการสอบ รายละเอียดการสอบ การให้คะแนน และอินเทอร์เฟซผู้ใช้กลไกและการออกแบบคำถามกลยุทธ์ในการทำข้อสอบโมดูลที่ 2: หัวข้อความรู้ที่ 1 - วิศวกรรมข้อมูลหัวข้อความรู้ที่ 1.1: ที่เก็บข้อมูลสำหรับ MLหัวข้อความรู้ที่ 1.2: ระบุและปรับใช้โซลูชันการนำข้อมูลเข้าหัวข้อความรู้ที่ 1.3: ระบุและปรับใช้โซลูชันการแปลงข้อมูลตอบคำถามเชิงวิเคราะห์แบบทดสอบหัวข้อความรู้ที่ 1โมดูลที่ 3: หัวข้อความรู้ที่ 2 - การวิเคราะห์ข้อมูลเชิงสำรวจหัวข้อความรู้ที่ 2.1: ล้าง (Sanitize) และเตรียมข้อมูลสำหรับสร้างโมเดล หัวข้อความรู้ที่ 2.2: ดำเนินการกระบวนการสร้างฟีเจอร์ใหม่หัวข้อความรู้ที่ 2.3: การวิเคราะห์และการแสดงข้อมูลสำหรับ MLตอบคำถามเชิงวิเคราะห์แบบทดสอบหัวข้อความรู้ที่ 2โมดูลที่ 4: หัวข้อความรู้ที่ 3 - การสร้างโมเดลหัวข้อความรู้ที่ 3.1: กำหนดกรอบปัญหาทางธุรกิจให้เป็นปัญหา MLหัวข้อความรู้ที่ 3.2: เลือกโมเดลที่เหมาะสมกับปัญหา ML ที่กำหนดหัวข้อความรู้ที่ 3.3: ฝึกโมเดล MLหัวข้อความรู้ที่ 3.4: ดำเนินการเพิ่มประสิทธิภาพไฮเปอร์พารามิเตอร์หัวข้อความรู้ที่ 3.5: ประเมินโมเดล MLตอบคำถามเชิงวิเคราะห์แบบทดสอบหัวข้อความรู้ที่ 3โมดูลที่ 5: หัวข้อความรู้ที่ 4 - การปรับใช้และการใช้งาน MLหัวข้อความรู้ที่ 4.1: สร้างโซลูชัน ML เพื่อประสิทธิภาพ ความพร้อมใช้งาน ความสามารถในการปรับขนาด ความยืดหยุ่น และความทนทานต่อข้อผิดพลาดหัวข้อความรู้ที่ 4.2: แนะนำและใช้บริการและฟีเจอร์ของ ML ที่เหมาะสมกับปัญหาที่กำหนดหัวข้อความรู้ที่ 4.3: ใช้แนวทางปฏิบัติด้านความปลอดภัยของ AWS ขั้นพื้นฐานกับโซลูชัน MLหัวข้อความรู้ที่ 4.4: ปรับใช้และใช้งานโซลูชัน MLตอบคำถามเชิงวิเคราะห์แบบทดสอบหัวข้อความรู้ที่ 4โมดูลที่ 6: คำถามเชิงวิเคราะห์เพิ่มเติมโอกาสในการตอบคำถามเชิงวิเคราะห์เพิ่มเติมโมดูลที่ 7: เอกสารการเรียนที่แนะนำลิงก์ไปยัง AWS Blog, เอกสาร, คำถามที่พบบ่อย และเอกสารการเรียนที่แนะนำสำหรับการสอบโมดูลที่ 8: สรุปท้ายหลักสูตรวิธีการลงทะเบียนสำหรับการสอบสรุปหลักสูตรความคิดเห็นเกี่ยวกับหลักสูตร