Machine Learning com Amazon AWS e SageMaker

Aprenda tudo o que você precisa saber sobre Machine Learning com o Amazon SageMaker! Tudo passo a passo com Python

4.46 (188 reviews)
Udemy
platform
Português
language
Data Science
category
instructor
Machine Learning com Amazon AWS e SageMaker
1,260
students
16 hours
content
Jun 2022
last update
$64.99
regular price

What you will learn

Entender a finalidade dos principais serviços da Amazon, como: AWS, S3, EC2, IAM e SageMaker

Codificar em Python utilizando o SageMaker Studio, que é a principal IDE para programar em Python no AWS

Integrar o SageMaker com o serviço de armazenamento de dados S3

Implementar soluções de aprendizado de máquina utilizando os algoritmos disponíveis no Amazon AWS

Resolver problemas de regressão e classificação utilizando o Linear Leaner e o XGBoost

Prever séries temporais utilizando o algoritmo DeepAR da área de Deep Learning

Detectar outliers com o algoritmo Random Cut Forest

Reduzir a dimensionalidade de bases de dados com PCA (Principal Component Analysis)

Classificar imagens com redes neurais convolucionais, utilizando o algoritmo pré-definido no AWS

Integrar a biblioteca TensorFlow com o AWS

Realizar o deploy de modelos de aprendizagem (endpoint) de máquina para acesso externo

Utilizar a ferramenta autopilot de aprendizagem de máquina automática para realizar o processo completo na área de dados

Description

A Amazon Web Services (AWS) é uma das plataformas de nuvem mais utilizadas do mundo, que oferece uma gama muito grande de serviços que podem ser utilizados pelas empresas. Estão disponíveis serviços nas áreas de computação, armazenamento, banco de dados, redes de computadores, blockchaim, robótica, satélite, dentre vários outros. Tais serviços podem ser utilizados nas mais diversas áreas de atuação, como por exemplo: publicidade, marketing, agricultura, setor automobilístico, educação, energia, governo, serviços financeiros, saúde, turismo e varejo. Dentro desse universo, também podem-se citar os serviços na área de Machine Learning (Aprendizagem de Máquina) e Inteligência Artificial, sendo possível utilizar algoritmos pré-definidos juntamente com armazenamento na nuvem para cumprir todas as etapas do processo, desde a obtenção dos dados até criação do modelo final em produção.

A Amazon disponibiliza o SageMaker, que é um serviço que permite aos cientistas e engenheiros de dados construir, treinar e implantar modelos de ML para qualquer tipo de aplicação. Para levar você até essa área, neste curso você terá uma visão principalmente prática sobre como utilizar os recursos do Amazon SageMaker para treinar modelos de machine learning! Ao final você terá todas as ferramentas necessárias para construir soluções de aprendizado de máquina utilizando os recursos oferecidos pela Amazon! O curso está dividido em dez partes que abordam recursos e algoritmos diferentes. Veja abaixo alguns dos tópicos que serão implementados passo a passo:


  • Entender a finalidade dos principais serviços da Amazon, como: AWS, S3, EC2, IAM e SageMaker

  • Codificar em Python utilizando o SageMaker Studio, que é a principal IDE para programar em Python no AWS

  • Integrar o SageMaker com o serviço de armazenamento de dados S3

  • Implementar soluções de aprendizado de máquina utilizando os algoritmos disponíveis no Amazon AWS

  • Resolver problemas de regressão e classificação utilizando o Linear Leaner e o XGBoost

  • Prever séries temporais utilizando o algoritmo DeepAR da área de Deep Learning

  • Detectar outliers com o algoritmo Random Cut Forest

  • Reduzir a dimensionalidade de bases de dados com PCA (Principal Component Analysis)

  • Classificar imagens com redes neurais convolucionais, utilizando o algoritmo pré-definido no AWS

  • Integrar a biblioteca TensorFlow com o AWS

  • Realizar o deploy de modelos de aprendizagem (endpoint) de máquina para acesso externo

  • Utilizar a ferramenta autopilot de aprendizagem de máquina automática para realizar o processo completo na área de dados

Todos os códigos serão implementados passo a passo e com detalhes, inclusive com exercícios práticos ao final de cada seção. São mais de 120 aulas e mais de 16 horas de vídeos passo a passo!

Content

Introdução

Conteúdo do curso
Mais sobre Machine Learning
Recursos para download
Cursos GRATUITOS AQUI!

Introdução ao AWS

AWS, S3, EC2, IAM e SageMaker
Criação de conta na AWS
Amazon S3 - introdução
SageMaker - introdução
SageMaker - integração com S3 1
SageMaker - integração com S3 2

Regressão com Linear Learner e XGBoost

Introdução
Carregamento da base de dados
Visualização dos dados
Pré-processamento dos dados
Configurações do SageMaker
Regressão linear - intuição
Treinamento do Linear Learner
Deploy, previsões e avaliação
XGBoost - intuição
Preparação dos dados
Configurações do SageMaker
Treinamento do XGBoost
Deploy, previsões e avaliação
Tuning dos parâmetros 1
Tuning dos parâmetros 2
Tuning dos parâmetros 3
EXERCÍCIO
Solução para o exercício

Classificação com Linear Learner e XGBoost

Introdução
Carregamento e exploração dos dados
Pré-processamento dos dados
Configurações do SageMaker
Regressão logística - intuição
Treinamento do Linear Learner
Deploy, previsões e avaliação
EXERCÍCIO - XGBoost
Solução para o exercício

Séries temporais com DeepAR

Introdução
Preparação dos dados 1
Preparação dos dados 2
Preparação dos dados 3
Configurações do SageMaker
Treinamento do DeepAR
Deploy e previsões
EXERCÍCIO
Solução para o exercício

Outliers com Random Cut Forest

Introdução
Tratamento da base de dados
Configurações do SageMaker
Treinamento do Random Cut Forest
Deploy e inferência 1
Deploy e inferência 2
EXERCÍCIO
Solução para o exercício

PCA e agrupamento K-means

Introdução
Tratamento da base de dados
Configurações do SageMaker
Treinamento do PCA
Redução de dimensionalidade
K-means - intuição
Treinamento do k-means
Agrupamento com k-means
EXERCÍCIO - PCA e classificação
Solução para o exercício

Redes neurais artificiais - classificação de imagens

Estará disponível até 06/06/2022

SageMaker com TensorFlow

Estará disponível até 06/06/2022

Endpoint externo

Estará disponível até 06/06/2022

Aupilot - aprendizagem automática

Introdução
Carregamento dos dados
Execução do experimento
Análise dos resultados
EXERCÍCIO
Solução para o exercício

Anexo 1: Redes neurais artificiais

Fundamentos biológicos
Perceptron de uma camada
Redes multicamada - função soma e avaliação
Redes multicamada - cálculo do erro
Descida do gradiente
Cálculo do parâmetro delta
Ajuste dos pesos com backpropagation
Bias, erro, descida do gradiente estocástica e mais parâmetros

Anexo 2: Redes neurais convolucionais

Introdução a redes neurais convolucionais 1
Introdução a redes neurais convolucionais 2
Etapa 1 - operador de convolução (introdução)
Etapa 1 - operador de convolução (cálculos)
Etapa 2 - pooling
Etapa 3 - flattening
Etapa 4 - rede neural densa

Anexo 3: Redes neurais recorrentes

Introdução a redes neurais recorrentes
Gradiente desaparecendo - gradient vanish problem
LSTM - long-short term memory

Considerações finais

Considerações finais
AULA BÔNUS

Reviews

Rodrigo
June 30, 2023
Curso enxuto e direto ao ponto, mas sem buracos nas explicacões que são feitas em transições suaves e contínuas de aprendizado. Muito bom curso.
Jefferson
January 27, 2023
Curso foda, não tinha muito conhecimento sobre Redes Neurais e graça ao curso tive um bom entendimento e um bom proveito também.

Charts

Price

Machine Learning com Amazon AWS e SageMaker - Price chart

Rating

Machine Learning com Amazon AWS e SageMaker - Ratings chart

Enrollment distribution

Machine Learning com Amazon AWS e SageMaker - Distribution chart
4701798
udemy ID
5/24/2022
course created date
5/31/2022
course indexed date
Bot
course submited by