Page 35 - 6.Machine Learning for Data Science
P. 35

หลักสูตรการวิเคราะหอินเทอรเน็ตของทุกสรรพสิ่งเบื้องตนดวย Hadoop  |  34

























                                        รูปที่ 6.1 โครงสรางของ Amazon SageMaker Ground Truth
                                      [ที่มา. https://aws.amazon.com/th/sagemaker/groundtruth/]



                           Amazon SageMaker Neo บริการนี้จะชวยใหการฝกสอนโมเดลทำไดงาย และสามารถใชไดทุกที่ดวยการ

                  ทำงานบนเครื่องแมขายแบบกลุมเมฆทั้งยังมีประสิทธิภาพในการทำงานที่เพิ่มขึ้นถึง 2 เทาตัวดวยการสรางโมเดลการเรียนรู

                  ของเครื่องจักรดวย MXNet, TensorFlow, PyTorch, or XGBoost ทำการฝกสอนระบบดวย Amazon SageMaker จากนั้น
                  ทำการเลือกฮารดแวรแพลตฟอรมเปาหมายจาก Intel, NVIDIA, ARM, Cadence, Qualcomm, and Xilinx เมื่อตั้งคา

                  เบื้องตนตางๆ ดังกลาวขางตนเรียบรอยแลว SageMaker Neo จะทำการคอมไพลและฝกสอนโมเดลอยางอัตโนมัติ โดย

                  คอมไพเลอรจะใชโครงขายประสาทเทียมเพื่อคนหาและประยุกตประสิทธิภาพการทำงานที่เฉพาะเจาะจง ที่จะทำใหโมเดล
                  สามารถทำงานไดอยางมีประสิทธิภาพบนฮารดแวรเปาหมายดังรูปที่ 6.2 แสดงโครงสรางของ Amazon SageMaker Neo



















                                                 รูปที่ 6.2 Amazon SageMaker Neo
                                      [ที่มา. https://aws.amazon.com/th/sagemaker/groundtruth/]









                   INTRODUCTION TO IOT ANALYTICS USING HADOOP                                        สถาบันสหวิทยาการดิจิทัลและหุนยนต มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร
   30   31   32   33   34   35   36   37   38   39   40