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

Aperçu

Découvrez les couches de la pile de ML d'AWS et voyez comment résoudre des problèmes commerciaux en utilisant les services AWS. Dans ce cours, vous apprendrez à utiliser Amazon SageMaker pour des tâches d'apprentissage automatique et à examiner les stratégies de sélection de modèles.

De plus, le cours présente des scénarios spécifiques avec des solutions de ML pré-entraînées d'Amazon SageMaker JumpStart, et enseigne comment optimiser les choix de ces modèles en fonction des cas d'utilisation correspondants. Le cours abordera également des applications spécifiques pour les solutions de ML pré-entraînées d'Amazon Bedrock, en explorant les options d'intégration et en enseignant comment identifier la solution la plus appropriée. Enfin, la pertinence de l'interprétabilité dans le choix des modèles et des algorithmes sera également discutée.

Niveau du cours : 300
Durée : 1,5 heures

Matériel en ligne
Exercices
Test de connaissance

Comprendre et être capable d'articuler les avantages et les cas d'utilisation de chaque couche de la pile de machine learning d'AWS.
Expliquer comment les services d'intelligence artificielle (IA) d'AWS peuvent être appliqués pour résoudre des défis commerciaux courants.
Identifier quels services d'IA d'AWS sont les plus efficaces pour résoudre des problèmes commerciaux courants.
Expliquer les avantages de l'utilisation de SageMaker dans les projets de machine learning.
Identifier les cas d'utilisation spécifiques des algorithmes intégrés de SageMaker.
Choisir les algorithmes de modélisation de machine learning les plus adaptés pour répondre aux besoins commerciaux les plus courants.
Identifier des cas d'utilisation spécifiques pour les solutions de machine learning pré-entraînées de SageMaker JumpStart.
Sélectionner la solution de machine learning intégrée de SageMaker JumpStart la plus adaptée pour résoudre les problèmes commerciaux courants.
Décrire le rôle que joue l'interprétabilité lors de la sélection de modèles ou d'algorithmes.
Sélectionner les modèles ou les algorithmes offrant le meilleur rapport coût-efficacité pour répondre aux besoins commerciaux courants.

Architectes cloud
Ingénieurs en apprentissage automatique

Avoir au moins un an d'expérience avec SageMaker et d'autres services AWS dans le domaine de l'ingénierie de ML
Avoir au moins un an d'expérience dans des rôles tels que le développement de logiciels back-end, le développement DevOps, l'ingénierie des données ou le Data Scientist
Connaissances de base en langages de programmation, comme Python
Avoir terminé les cours préalables du Plan d'Apprentissage Associate pour Ingénieurs de ML d'AWS