Ce cours couvre une partie de la phase de préparation des données du cycle de vie de l'apprentissage automatique (ML, Machine Learning). Dans ce cours, vous allez découvrir la transformation des données. Ce cours aborde divers concepts et techniques de transformation, tels que le nettoyage des données, l'encodage et l'ingénierie des caractéristiques. Vous découvrirez comment utiliser les services Amazon Web Services (AWS) tels que Amazon SageMaker Feature Store, Amazon SageMaker Data Wrangler et AWS Glue pour transformer vos données.

Niveau du cours : avancé
Durée : 60 minutes

Activités

Documents en ligne
Une démonstration
Questions de contrôle des connaissances
Une évaluation du cours

Objectifs du cours

Expliquer la valeur du nettoyage et de la transformation des données.
Décrire comment traiter les données incorrectes ou dupliquées.
Décrire comment détecter et traiter les valeurs aberrantes.
Décrire comment traiter les valeurs manquantes.
Décrire les techniques de codage fondamentales.
Identifier les cas d'utilisation de l'ingénierie des caractéristiques.
Décrire les concepts fondamentaux, les avantages et les techniques de l'ingénierie des caractéristiques.
Décrire les techniques fondamentales de sélection des caractéristiques.
Décrire les services AWS de validation et d'étiquetage des données.
Identifier les outils et services AWS permettant de visualiser et de transformer les données.
Décrire comment ingérer des données et gérer des caractéristiques à l'aide de SageMaker Feature Store.
Décrire comment ingérer et transformer des données à l'aide d'Amazon SageMaker Data Wrangler.
Décrire comment transformer des données à l'aide d'AWS Glue.
Identifier les outils et services AWS permettant de transformer les données de streaming.
Décrire comment transformer les données de streaming à l'aide d'AWS Lambda et d'Apache Spark sur Amazon EMR.

Public visé

Architectes Cloud
Ingénieurs Machine Learning

Compétences recommandées

Au moins 1 an d'expérience dans l'utilisation d'Amazon SageMaker et d'autres services AWS pour l'ingénierie ML.
Au moins 1 an d'expérience dans un poste connexe tel que développeur de logiciels backend, développeur DevOps, ingénieur de données ou data scientist.
Compréhension fondamentale des langages de programmation tels que Python.
Cours précédents du programme d'apprentissage AWS ML Engineer Associate.