Este curso explora como usar o pipeline de machine learning (ML) para solucionar um problema empresarial real em um ambiente de aprendizado baseado em projeto. Os alunos aprenderão sobre cada fase do pipeline por meio de apresentações e demonstrações dos instrutores e, em seguida, aplicarão esse conhecimento para concluir um projeto e resolver um de dois problemas de negócios: detecção de fraude ou atrasos em voos. Até o fim do curso, os alunos terão criado, treinado, avaliado, ajustado e implantado com êxito um modelo de ML com o Amazon SageMaker que soluciona problemas empresariais específicos. Os alunos com pouca ou nenhuma experiência ou conhecimento em machine learning se beneficiarão deste curso. Ter conhecimento básico de estatísticas e Python será útil.
Objetivos do curso
Neste curso, você aprenderá a:
- Selecionar e justificar a abordagem de ML adequada para um determinado problema empresarial
- Usar o pipeline de ML para solucionar um problema empresarial específico
- Treinar, avaliar, implantar e ajustar um modelo de ML usando o Amazon SageMaker
- Descrever algumas das práticas recomendadas para a criação de pipelines de ML escaláveis, econômicos e seguros na AWS
- Aplicar o machine learning a um problema de negócios da vida real após a conclusão do curso
Público-alvo
Este curso é destinado a:
- Desenvolvedores
- Arquitetos de soluções
- Engenheiros de dados
- Qualquer pessoa que tenha pouca ou nenhuma experiência com ML, e queira aprender sobre o pipeline de ML usando o Amazon SageMaker
Pré-requisitos
Recomendamos que os participantes deste curso tenham:
- Conhecimento básico da linguagem de programação Python
- Compreensão básica da infraestrutura da Nuvem AWS (Amazon S3 e Amazon CloudWatch)
- Experiência básica com o trabalho no ambiente do caderno Jupyter
Roteiro do curso
- Introdução
- Módulo 1: Introdução ao machine learning e ao pipeline de ML
- Módulo 2: Introdução ao Amazon SageMaker
- Módulo 3: Formulação de problemas
- Módulo 4: Pré-processamento
- Módulo 5: Treinamento do modelo
- Módulo 6: Avaliação do modelo
- Módulo 7: Engenharia de atributos e ajuste de modelo
- Módulo 8: Implantação
- Encerramento do curso
