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)

Resumen

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

Conteúdo do curso

• Seção 1:

  Introdução

Lição 1:

Orientações para aproveitar o curso

Lição 2:

Introdução ao domínio 2

Lição 3:

Visão geral do curso

Lição 4:

Como escolher uma estratégia de modelagem

• Seção 2:

  Estratégias de modelagem

Lição 5:

Serviços de IA da AWS

Lição 6:

Algoritmos integrados do Amazon SageMaker

Lição 7:

Soluções de ML do Amazon SageMaker JumpStart

Lição 8:

Soluções de ML do Amazon Bedrock

Lição 9:

Critérios para a escolha de modelos

• Seção 3:

  Conclusão

Lição 10:

Resumo do curso

Lição 11:

Avaliação

Lição 12:

Fale conosco

University:

Materias