Questo corso copre parte della fase di preparazione dei dati del ciclo di vita del machine learning (ML).

In questo corso verrà trattata la trasformazione dei dati. Questo corso illustra vari concetti e tecniche

di trasformazione, come la pulizia dei dati, la codifica e l'ingegneria delle caratteristiche. Scoprirai come utilizzare i servizi Amazon Web Services (AWS) come Amazon SageMaker Feature Store, Amazon SageMaker Data Wrangler e AWS Glue per trasformare i dati.

Livello del corso: avanzato
Durata: 60 minuti

Attività

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

Obiettivi del corso

Spiegare il valore della pulizia e della trasformazione dei dati.
Descrivere come elaborare dati errati o duplicati.
Descrivere come rilevare e gestire i valori anomali.
Descrivere come elaborare i valori mancanti.
Descrivere le tecniche di codifica fondamentali.
Identificare i casi d'uso dell'ingegneria delle caratteristiche.
Descrivere i concetti, i vantaggi e le tecniche fondamentali dell'ingegneria delle caratteristiche.
Descrivere le tecniche fondamentali di selezione delle caratteristiche.
Descrivere i servizi AWS per la convalida e l'etichettatura dei dati.
Identificare gli strumenti e i servizi AWS per la visualizzazione e la trasformazione dei dati.
Descrivere come acquisire dati e gestire le caratteristiche utilizzando SageMaker Feature Store.
Descrivere come acquisire e trasformare i dati utilizzando Amazon SageMaker Data Wrangler.
Descrivere come trasformare i dati utilizzando AWS Glue.
Identificare gli strumenti e i servizi AWS per la trasformazione dei dati in streaming.
Descrivere come trasformare i dati in streaming utilizzando AWS Lambda e Apache Spark su Amazon EMR.

Destinatari principali

Architetti cloud
Ingegneri di machine learning

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 concetti fondamentali dei linguaggi di programmazione come Python.
Corsi precedenti nel piano formativo AWS ML Engineer Associate.