Preparatório AWS Certified Machine Learning Specialty
Aprenda SageMaker, Engenharia de Atributos, Engenharia de Dados, Modelagem, e muito mais!
What you will learn
Ajuste automático do modelo e operações com SageMaker
Regularização L1 e L2
Aplicação de práticas recomendadas de segurança a canais de aprendizado de máquina
O que esperar do exame AWS Certified Machine Learning Speciality
Algoritmos de aprendizado de máquina integrados do Amazon SageMaker (XGBoost, BlazingText, Detecção de objeto, etc.)
Técnicas de engenharia de atributos, incluindo imputação, outliers, binning e normalização
Serviços de ML de alto nível: Comprehend, Translate, Polly, Transcribe, Lex, Rekognition e muito mais
Engenharia de dados com S3, Glue, Kinesis e DynamoDB
Análise exploratória de dados com scikit_learn, Athena, Apache Spark e EMR
Aprendizado profundo e ajuste de hiperparâmetros de redes neurais profundas
Description
[Atualizado para os recursos SageMaker mais recentes e novos serviços AWS ML. Bom aprendizado! ]
Preocupado em ser aprovado na certificação "AWS Certified Machine Learning" - exame de especialidade (MLS-C01)? Você deveria estar! Não há dúvida de que é uma das certificações da AWS mais difíceis e cobiçadas. Um conhecimento profundo de AWS e SageMaker não é suficiente para passar - você também precisa de um conhecimento profundo de aprendizado de máquina e as nuances de engenharia de atributos e ajuste de modelo que geralmente não são ensinados em livros ou salas de aula.
Este curso preparatório para certificação é ministrado por Fernando Amaral e Frank Kane, que passou nove anos trabalhando na própria Amazon na área de aprendizado de máquina. Frank fez e foi aprovado neste exame na primeira tentativa e sabe exatamente o que é preciso para você ser aprovado. Ainda, este curso foi preparado por Stephane Maarek, um especialista em AWS e popular instrutor de certificação da AWS na Udemy.
Além do curso em vídeo de 9 horas, um exame prático de 30 minutos é incluído, que consiste nos mesmos tópicos e estilo do exame real. Você também terá quatro laboratórios práticos que permitem praticar o que aprendeu e ganhar experiência valiosa em ajuste de modelo, engenharia de atributos e engenharia de dados.
Este curso está estruturado em quatro domínios testados para este exame: engenharia de dados, análise exploratória de dados, modelagem e implementação e operações de aprendizado de máquina. Alguns dos tópicos que abordaremos incluem:
Data Lakes com S3
AWS Glue e Glue ETL
Kinesis data streams, firehose, and video streams
DynamoDB
Pipelines de dados, AWS Batch e Step Functions
Usando scikit_learn
Noções básicas de ciência de dados
Atenas e Quicksight
Elastic MapReduce (EMR)
Apache Spark e MLLib
Engenharia de atributos (imputação, outliers, binning, transformações, codificação e normalização)
Ground Truth
Fundamentos do Deep Learning
Ajustando redes neurais e evitando overfitting
Amazon SageMaker, incluindo SageMaker Studio, SageMaker Model Monitor, SageMaker Autopilot e SageMaker Debugger.
Técnicas de regularização
Avaliação de modelos de aprendizado de máquina (precisão, recall, F1, matriz de confusão etc.)
Serviços de ML de alto nível: Comprehend, Translate, Polly, Transcribe, Lex, Rekognition e muito mais
Práticas recomendadas de segurança com aprendizado de máquina na AWS
Machine learning é uma certificação avançada e é melhor abordada por alunos que já obtiveram a certificação de nível de associado na AWS e têm alguma experiência real no setor. Este exame não se destina a iniciantes da AWS.