AWS Engenheiro de ML AWS Associate 2.1: Como definir uma estratégia de modelagem (Português) | AWS ML Engineer Associate 2.1 Choose a Modeling Approach (Portuguese)

via AWS Skill Builder

Overview

Saiba mais sobre as camadas da pilha de ML da AWS e veja como é possível solucionar problemas de negócios utilizando os serviços AWS. Neste curso, você aprenderá a utilizar o Amazon SageMaker em tarefas de machine learning e para revisar estratégias de seleção de modelos.

Além disso, o curso apresenta cenários específicos de soluções de ML pré-treinadas do Amazon SageMaker JumpStart, e ensina a otimizar as escolhas desses modelos de acordo com o caso de uso correspondente. O curso também abordará aplicações específicas para as soluções de ML pré-treinadas do Amazon Bedrock, explorando as opções de integração e ensinando a identificar a solução mais adequada. Por fim, também será discutida a relevância da interpretabilidade na escolha de modelos e algoritmos.

Nível do curso: 300
Duração: 1,5 horas

Atividades

Materiais on-line
Exercícios
Teste de conhecimento

Objetivos do curso

Compreender e ser capaz de articular os benefícios e casos de uso de cada camada da pilha de machine learning da AWS.
Explicar como os serviços de inteligência artificial (IA) da AWS podem ser aplicados para solucionar desafios comerciais comuns.
Identificar quais serviços de IA da AWS são mais eficientes para resolver problemas de negócio comuns.
Explicar as vantagens de utilizar o SageMaker em projetos de machine learning.
Identificar os casos de uso específicos dos algoritmos integrados do SageMaker.
Escolher os algoritmos de modelagem de machine learning mais adequados para atender às necessidades comerciais mais comuns.
Identificar casos de uso específicos para soluções de machine learning pré-treinadas do SageMaker JumpStart.
Selecionar a solução de machine learning integrada do SageMaker JumpStart mais adequada para resolver problemas de negócios comuns.
Descrever o papel que a interpretabilidade desempenha durante a seleção do modelo ou algoritmo.
Selecionar os modelos ou algoritmos com maior custo-benefício para resolver necessidades comerciais comuns.

Público-alvo

Arquitetos de nuvem
Engenheiros de machine learning

Competências recomendadas

Possuir ao menos um ano de experiência com o SageMaker e outros serviços AWS na área de engenharia de ML
Possuir ao menos um ano de experiência em funções como desenvolvimento de software back-end, desenvolvimento DevOps, engenharia de dados ou Data Scientist
Conhecimentos básicos em linguagens de programação, como Python
Ter concluído os cursos prévios do Plano de Aprendizado Associate para Engenheiros de ML da AWS