รับปรึกษาและวางระบบการนำ Machine Learning Model ไปใช้งานด้วย REST API บน AWS
- หากคุณมี prediction model ที่มีความแม่นยำสูงมากแล้ว แต่ไม่รู้ว่าจะนำไปใช้กับ application ของคุณได้อย่างไร ทางเรามีบริการ deploy model ของคุณ เป็น REST API Service ขึ้นไปยัง AWS Cloud แบบ Serverless เพื่อรองรับการใช้งาน scale สูงได้ [Package Inference] - ทางเรายังมีบริการสร้างระบบ re-train ตามเวลาที่กำหนด (รายสัปดาห์/รายเดือน) เมื่อระบบได้รับข้อมูลใหม่ ๆ เข้ามาหลังเปิดการใช้งาน [Package Re-train] - และบริการในการสร้าง data drift detection เพื่อตรวจสอบว่า data ที่กำลังทำนายอยู่ในปัจจุบันมีพฤติกรรมเดียวกับ training data หรือไม่ หาก data ต่างกันแล้วจะสั่งให้ pipeline re-train ทำงาน [Package Drift] - หากลูกค้ายังไม่มี model สามารถใช้บริการสร้าง training pipeline เพื่อใช้ในการ track experiments ว่าหากเปลี่ยน training data, algorithm, hyperparameter แบบใดจะได้ model ที่ให้ผลลัพธ์ดีที่สุด [Package Experiment] * บริการนี้รองรับทั้ง model จาก scikit-learn, Pytorch, TensorFlow ** ราคาในแพ็คเกจเป็นราคาโดยประมาณ หากมีความต้องการเพิ่มเติมสามารถตกลงได้
ขั้นตอนการทำงานสำหรับ รับปรึกษาและวางระบบการนำ Machine Learning Model ไปใช้งานด้วย REST API บน AWS
- 1. พูดคุยเก็บรายละเอียดความต้องการของลูกค้า และตกลงราคา
- 2. จ่ายเงิน
แพ็กเกจ ราคา รับปรึกษาและวางระบบการนำ Machine Learning Model ไปใช้งานด้วย REST API บน AWS
Inference
฿8,000- Docker container with Inference function - AWS Sagemaker endpoint - GitHub/GitLab Repo - Documentation * ดำเนินการบน AWS Account ของลูกค้า (ลูกค้าจ่ายค่าบริการ AWS เอง) * มีค่าบริการเพิ่มเติมกรณีต้องทำความสะอาดข้อมูลระหว่างการ inference
Re-train/Drift
฿12,000[Re-train] - Docker container with Training function - AWS Lambda Function to trigger training pipeline - GitHub/GitLab Repo - Documentation [Drift] - Docker container with Drift Detection function - GitHub/GitLab Repo - Documentation * ดำเนินการบน AWS Account ของลูกค้า (ลูกค้าจ่ายค่าบริการ AWS เอง) * มีค่าบริการเพิ่มเติมกรณีต้องทำความสะอาดข้อมูลระหว่างการ train * หากลูกค้าต้องการบริการ Re-train และ Drift พร้อมกันจะต้องจ่ายซื้อ package 2 ครั้ง
Experiment
฿7,000- Docker container with MLFlow หรือ Wandb interface - GitHub/GitLab Repo - Documentation * ดำเนินการบน AWS Account ของลูกค้า (ลูกค้าจ่ายค่าบริการ AWS เอง) * หากใช้ Wandb จะมีค่าบริการของ Wandb เพิ่มเติม * มีค่าบริการเพิ่มเติมกรณีต้องทำความสะอาดข้อมูลระหว่างการ train
ทักแชทเพื่อคุยรายละเอียดและบรีฟงานกับฟรีแลนซ์ได้ทันทีโดยไม่มีค่าใช้จ่าย
ตกลงจ้างงาน โดยขอใบเสนอราคากับฟรีแลนซ์ ตรวจสอบรายละเอียดและชำระเงินได้ทันที
เมื่อฟรีแลนซ์ทำงานตามข้อตกลงและส่งงานขั้น สุดท้ายแล้ว ผู้จ้างสามารถตรวจสอบ ขอแก้ไขหรืออนุมัติได้ตามข้อตกลง
Fastwork เป็นตัวกลางถือเงินของคุณ เพื่อความปลอดภัย และฟรีแลนซ์จะได้รับเงิน หลังจากผู้ว่าจ้างจะกดอนุมัติงานแล้วเท่านั้น!