Applied Machine Learning: Building Models for an Amazon Use Case (Portuguese)

Visão geral

Bem-vindo ao Machine learning aplicado: criação de modelos para um laboratório de caso de uso da Amazon, no qual você construirá, treinará e testará um modelo de machine learning do zero. Neste laboratório, você limpará os dados, conduzirá a engenharia de atributos, comparará algoritmos e obterá uma visão em primeira mão sobre como os funcionários da Amazon que trabalham com machine learning abordam os pipelines de ML.

Para os propósitos deste laboratório:

Assumindo a função de cientista de dados principal em 2005, você recebe um desafio: a Amazon Studios quer produzir filmes que serão premiados e, portanto, precisa focar o orçamento em projetos com a melhor chance de ganhar esses prêmios. Usando o conjunto de dados real da IMDb, uma subsidiária da Amazon, para filmes feitos entre 1990 e 2005, você começa sua investigação.

O conjunto de dados do IMDb é uma oferta abrangente e rica em atributos de todos os filmes lançados durante esse período, incluindo dados essenciais, como elenco e equipe, sinopse e outros dados de produção.

Sua tarefa neste laboratório é prever quais filmes provavelmente serão nomeados para um prêmio durante a “próxima” temporada de prêmios de 2005, construindo um modelo de previsão de análise de prêmios.

Pré-requisitos

Este laboratório requer:

• Acesso a um computador com Wi-Fi e Microsoft Windows, macOS X ou Linux (Ubuntu, SuSE ou Red Hat)

  Observação O ambiente de laboratório não é acessível em iPad ou tablet, mas você pode usar esses dispositivos para acessar o guia do aluno

• Para usuários do Microsoft Windows: acesso como administrador ao computador

• Um navegador, como Chrome, Firefox ou Internet Explorer 9 (versões anteriores do Internet Explorer não são compatíveis)

Duração

Este laboratório requer aproximadamente quatro horas para ser concluído.

Serviços da AWS não usados neste laboratório

No ambiente de laboratório, os serviços da AWS que não forem usados neste laboratório serão desabilitados. Além disso, os recursos dos serviços usados neste laboratório são limitados ao que ele exige. Se você acessar outros serviços ou executar ações diferentes das que fazem parte deste guia de laboratório, haverá erros.