กลยุทธ์ข้อมูล ทรัพยากร และบุคลากร

ทำความเข้าใจปัญญาประดิษฐ์

Maarten Van den Broeck

Senior Content Developer at DataCamp

กลยุทธ์และการกำกับดูแลข้อมูล

กลยุทธ์ข้อมูล: การออกแบบและพัฒนาแนวทางที่เน้นข้อมูลเพื่อดึงข้อมูลเชิงลึกและสนับสนุนการตัดสินใจทางธุรกิจ

ขั้นตอนกลยุทธ์ข้อมูล:

  1. กำหนดวัตถุประสงค์ที่เน้นข้อมูล
  2. ระบุข้อมูลที่จำเป็น
  3. กำหนดแหล่งข้อมูลและประเภทข้อมูล
  4. การวิเคราะห์เชิงทำนายและเชิงแนะนำ
  5. นำกระบวนการที่ขับเคลื่อนด้วยข้อมูลไปใช้จริง

กำหนดวัตถุประสงค์ที่เน้นข้อมูล

ระบุข้อมูลที่จำเป็น

กำหนดแหล่งข้อมูลและประเภทข้อมูล

การวิเคราะห์เชิงทำนายและเชิงแนะนำ

นำกระบวนการที่ขับเคลื่อนด้วยข้อมูลไปใช้จริง

ทำความเข้าใจปัญญาประดิษฐ์

โครงสร้างพื้นฐาน AI

โครงสร้างพื้นฐาน AI แบบคลาวด์

  • ทรัพยากรการประมวลผลที่ปรับขนาดได้ พื้นที่เก็บข้อมูล เครื่องมือ AI และโมเดลสำเร็จรูป
  • ยืดหยุ่น ใช้งานตามความต้องการ

Google Cloud, Azure and AWS

  • ข้อดี: ปรับขนาดได้สูง คุ้มค่าใช้จ่าย
  • ข้อเสีย: ตำแหน่งข้อมูล ต้องใช้อินเทอร์เน็ต

โครงสร้างพื้นฐาน AI แบบ On-Premises (self-hosted)

  • องค์กรเป็นเจ้าของฮาร์ดแวร์ ซอฟต์แวร์ ข้อมูล และทรัพยากรเครือข่ายเพื่อรองรับการดำเนินงาน AI

โครงสร้างพื้นฐานแบบ On-Premises

  • ข้อดี: ควบคุมข้อมูลได้มากขึ้น ความหน่วงต่ำกว่า
  • ข้อเสีย: ต้นทุนเริ่มต้นสูง ปรับขนาดได้จำกัด
ทำความเข้าใจปัญญาประดิษฐ์

ระเบียบวิธี MLOps

Machine Learning Operations (MLOps): การจัดการและดำเนินงานระบบ ML (AI) ในองค์กรอย่างมีประสิทธิภาพและเชื่อถือได้

ระเบียบวิธี MLOps

ทำความเข้าใจปัญญาประดิษฐ์

ระเบียบวิธี MLOps

Machine Learning Operations (MLOps): การจัดการและดำเนินงานระบบ ML (AI) ในองค์กรอย่างมีประสิทธิภาพและเชื่อถือได้

ขั้นตอนระเบียบวิธี MLOps

ทำความเข้าใจปัญญาประดิษฐ์

ตำแหน่งงานที่เกี่ยวข้องกับ AI

AI Architect

AI architect

Data Scientist

Data scientist

Machine Learning and Data Engineer

Machine Learning Engineer

อื่น ๆ: AI Ethicist, Project Manager

ตำแหน่งงาน AI อื่น ๆ

ทำความเข้าใจปัญญาประดิษฐ์

การสร้างทีม AI

ผู้นำและการจัดการ

  • AI manager / team lead
  • AI project manager

การปฏิบัติงาน

  • AI architects: คัดเลือกเครื่องมือ
  • Data scientists: วิเคราะห์ข้อมูล ฝึกและประเมินโมเดล
  • ML & data engineers: นำโมเดลไปใช้งานจริงและสร้าง data pipeline

ฝ่ายสนับสนุน

การสร้างทีม

ทำความเข้าใจปัญญาประดิษฐ์

การสร้างทีม AI

ผู้นำและการจัดการ

  • AI manager / team lead
  • AI project manager

การปฏิบัติงาน

  • AI architects: คัดเลือกเครื่องมือ
  • Data scientists: วิเคราะห์ข้อมูล ฝึกและประเมินโมเดล
  • ML & data engineers: นำโมเดลไปใช้งานจริงและสร้าง data pipeline

ฝ่ายสนับสนุน: AI ethicist; ผู้เชี่ยวชาญเฉพาะด้าน

การสร้างทีม

ทำความเข้าใจปัญญาประดิษฐ์

มาฝึกกันเถอะ!

ทำความเข้าใจปัญญาประดิษฐ์

Preparing Video For Download...