AWS ML Engineer Associate 1.1 Collect, Ingest, and Store Data (Italiano)

Questo corso copre parte della fase di preparazione dei dati del ciclo di vita del machine learning (ML). In questo corso, imparerai concetti fondamentali come la distinzione fra diversi tipi di dati e fra dati efficaci e poco efficaci e la loro visualizzazione e analisi. Scoprirai alcuni dei principali servizi di storage Amazon Web Services (AWS) utilizzati durante il processo di machine learning, come Amazon Simple Storage Service (Amazon S3). Questo corso spiega come scegliere il tipo di storage AWS e il formato di dati più efficaci in base alle specifiche esigenze di machine learning. Infine, otterrai ulteriori informazioni su alcuni servizi AWS che agevolano l'acquisizione, l'estrazione e l'unione dei dati, come Amazon Kinesis.

Livello del corso: avanzato
Durata: 60 minuti

Attività

Materiali online
Una dimostrazione
Domande sulla verifica delle conoscenze
Una valutazione del corso

Obiettivi del corso

Descrivere i fondamenti della raccolta dei dati.
Definire i formati dei dati e i meccanismi di acquisizione.
Descrivere diversi metodi per la visualizzazione dei dati.
Descrivere le opzioni di storage AWS per la raccolta dei dati di ML, inclusi casi d'uso e compromessi.
Scegliere il tipo di storage più efficace in base a costi, prestazioni e struttura dei dati.
Scegliere il formato di dati appropriato per un'attività di ML in base ai pattern di accesso ai dati.
Descrivere le origini dati di streaming AWS per l'acquisizione dei dati.
Estrarre dati dai servizi di storage AWS utilizzando quelli che facilitano il trasferimento dei dati.
Descrivere come unire dati provenienti da più origini.
Identificare la causa dei problemi di acquisizione e archiviazione dei dati che coinvolgono capacità e scalabilità.

Destinatari principali

Cloud architect
Machine learning engineer

Competenze consigliate

Almeno 1 anno di esperienza nell'uso di Amazon SageMaker e altri servizi AWS nell'ambito dell'ingegneria di ML.
Almeno 1 anno di esperienza in un ruolo correlato, ad esempio come sviluppatore di software back-end, sviluppatore DevOps, data engineer o data scientist.
Avere una comprensione dei fondamenti dei linguaggi di programmazione come Python.
Corsi precedenti nel piano formativo AWS ML Engineer Associate.