06026241 MACHINE LEARNING OPERATIONS
| Week | Topic | Description |
|---|---|---|
| 1 | Introduction to Git | Learn the basics of Git, including setup, repositories, and essential commands. |
| 2 | Branching and Collaboration | Understand branching, resolving merge conflicts, and using pull requests for collaboration. |
| 3 | Advanced Git | Explore advanced Git features such as stashing, rebasing, undoing changes, and managing .gitignore. |
| 4 | Git Workflows in MLOps | Implement Git workflows like feature branching, release management, and collaborative strategies. |
| 5 | Introduction to Google Cloud | Explore Google Cloud services relevant to MLOps, including storage, compute, and ML tools. |
| 6 | Introduction to DVC | Learn how to use DVC (Data Version Control) for dataset versioning and experiment tracking. |
| 7 | Introduction to Docker | Learn Docker basics, including containerization concepts and writing Dockerfiles. |
| 8 | Docker Compose and Networking | Build and manage multi-container applications using Docker Compose and understand networking. |
| 9 | Docker in MLOps | Containerize machine learning workflows for both training and inference tasks. |
| 10 | Docker Orchestration | Manage and orchestrate containerized ML workflows using tools like Kubernetes or Docker Swarm. |
| 11 | Introduction to MLflow | Learn the components of MLflow, including experiment tracking, logging metrics, and parameters. |
| 12 | MLflow Tracking | Track experiments, log custom metrics, and compare ML models using MLflow. |
| 13 | MLflow Models | Package, deploy, and serve ML models using MLflow. |
| 14 | MLflow Model Registry | Manage the model lifecycle and use MLflow Model Registry for production workflows. |
| 15 | CI/CD in MLOps | Automate ML pipelines with Git and integrate MLflow for continuous integration and delivery. |
| 16 | Mini Project | Apply the learned concepts to develop a complete MLOps project using Git, Docker, and MLflow. |
- Fixed missing rows for "Google Cloud" and "DVC."
- Standardized description phrasing and length for consistency.
- Clarified the description for tools like DVC, Google Cloud, and Docker orchestration.
- Enhanced clarity in the CI/CD and MLOps sections.
| CLO | Description | Mapped PLO |
|---|---|---|
| CLO 1 | สามารถใช้งาน Git และจัดการ workflow เพื่อสนับสนุนการทำงานร่วมกันในทีมและการพัฒนา MLOps ได้อย่างมีประสิทธิภาพ | PLO 2.1, PLO 2.2, PLO 4.4 |
| CLO 2 | สามารถออกแบบและใช้งาน Docker และ Docker Compose เพื่อสร้างและจัดการ container สำหรับ workflows ทางด้าน Machine Learning | PLO 2.2, PLO 2.3 |
| CLO 3 | สามารถใช้งาน MLflow สำหรับการติดตามการทดลองและการจัดการโมเดลใน MLOps ได้ | PLO 2.2, PLO 2.3 |
| CLO 4 | สามารถบูรณาการเครื่องมือใน MLOps เช่น Git, Docker และ MLflow เพื่อสร้าง pipeline สำหรับการพัฒนาและใช้งานโมเดล Machine Learning ใน production ได้อย่างมีประสิทธิภาพ | PLO 2.2, PLO 2.3, PLO 4.4 |
| CLO 5 | สามารถทำงานร่วมกันในทีมและสื่อสารความคิดเห็นอย่างสร้างสรรค์ในบริบทของ MLOps พร้อมแสดงความรับผิดชอบในงานกลุ่ม | PLO 3.4, PLO 4.4 |
| Week | Topic | Mapped CLO |
|---|---|---|
| 1 | Introduction to Git | CLO 1 |
| 2 | Branching and Collaboration | CLO 1, CLO 5 |
| 3 | Advanced Git | CLO 1 |
| 4 | Git Workflows in MLOps | CLO 1, CLO 4 |
| 5 | Introduction to Docker | CLO 2 |
| 6 | Docker Compose and Networking | CLO 2 |
| 7 | Docker in MLOps | CLO 2, CLO 4 |
| 8 | Docker Orchestration | CLO 2, CLO 4 |
| 9 | Introduction to MLflow | CLO 3 |
| 10 | MLflow Tracking | CLO 3 |
| 11 | MLflow Models | CLO 3, CLO 4 |
| 12 | MLflow Model Registry | CLO 3, CLO 4 |
| 13 | CI/CD in MLOps | CLO 4 |
| 14 | Monitoring and Scaling | CLO 4 |
| 15 | MLOps Frameworks | CLO 4 |
| 16 | Mini Project | CLO 4, CLO 5 |
- PLO 2.1: CLO 1
- PLO 2.2: CLO 1, CLO 2, CLO 3, CLO 4
- PLO 2.3: CLO 2, CLO 3, CLO 4
- PLO 3.4: CLO 5
- PLO 4.4: CLO 1, CLO 4, CLO 5
CLO Mapping นี้สอดคล้องกับเนื้อหาใน Course Outline และแสดงการเชื่อมโยงกับ PLO อย่างชัดเจน.