Assistente de engenheiro de ML da AWS 4.2 Monitoramento e otimização de infraestrutura e custos (Português) | AWS ML Engineer Associate 4.2 Monitor and Optimize Infrastructure and Costs (Portuguese)

Neste curso, você descobrirá a importância do monitoramento e da otimização, incluindo as métricas de indicadores-chave de desempenho (KPI) em que você deve se concentrar. Este curso discutirá as ferramentas disponíveis para monitoramento e otimização da infraestrutura. Elas incluem o Amazon CloudWatch, o AWS X-Ray, o Amazon QuickSight, o AWS CloudTrail, o Amazon EventBridge, o AWS Compute Optimizer, o Recomendador de inferência do Amazon SageMaker, entre outras. No contexto das soluções de ML, este curso também abordará as ferramentas de análise de custos da AWS, como o Gerenciamento de Faturamento e Custos da AWS, o AWS Budgets, o AWS Cost Explorer e o AWS Trusted Advisor.

• Nível do curso: avançado
• Duração: 2 horas e 30 minutos

Observação: Este curso tem transcrições/legendas traduzidas. A narração está em inglês. Para exibir as legendas, clique no botão CC no canto inferior direito do player.

Atividades

• Materiais on-line
• Execícios
• Perguntas de teste de conhecimento

Objetivos do curso

• Descrever a importância de monitorar a infraestrutura e as principais métricas de desempenho de ML.
• Configurar e usar alarmes do CloudWatch e CloudWatch Logs para solucionar problemas e analisar recursos.
• Identificar as ferramentas de monitoramento e observabilidade usadas para solucionar problemas de latência e desempenho.
• Configurar painéis para monitorar as métricas de desempenho da sua infraestrutura machine learning.
• Descrever como usar o CloudTrail para registrar em log, monitorar e reter atividades relacionadas às chamadas de API.
• Demonstrar como redimensionar corretamente as famílias de instâncias com o Recomendador de inferência do SageMaker.
• Demonstrar como redimensionar corretamente as famílias de instâncias com o Compute Optimizer.
• Identificar e solucionar problemas de capacidade em termos de custo e desempenho.
• Identificar e descrever os recursos das ferramentas de análise de custos da AWS.
• Descrever os benefícios e as opções de Savings Plans de Maching Learning do Amazon SageMaker.
• Identificar recursos adicionais e práticas recomendadas para otimizar custos.

Público-alvo

• Arquitetos de nuvem
• Engenheiros de machine learning

Habilidades recomendadas

• Ter pelo menos um ano de experiência com o uso da solução SageMaker e outros serviços da AWS para engenharia de ML
• Ter pelo menos um ano de experiência em uma função relacionada, como desenvolvedor de software de back-end, desenvolvedor de DevOps, engenheiro de dados ou data scientist
• Uma compreensão fundamental de linguagens de programação como Python
• Ter concluído os cursos anteriores no plano de aprendizado Assistente de engenheiro de ML da AWS

Conteúdo do curso

• Seção 1: Introdução
  • Liçã 1: Orientações gerais d curs
  • Liçã 2: Visã geral d curs
• Seçã 2: Mnitrament da infraestrutura
  • Liçã 3: Imprtância d mnitrament da infraestrutura de ML
  • Liçã 4: Mnitrament de métricas de desempenh
  • Liçã 5: Mnitrament e bservabilidade
  • Liçã 6: Ferramentas de mnitrament de desempenh e latência
  • Liçã 7: Observabilidade e auditria de sua sluçã de ML
  • Liçã 8: Cnfiguraçã de painéis
• Seçã 3: Otimizaçã da infraestrutura
  • Liçã 9: Dimensinament crret da infraestrutura de cmputaçã para sluções de ML
  • Liçã 10: Demnstraçã d Recmendadr de inferência d Amazn SageMaker
• Seçã 4: Otimizaçã de custs
  • Liçã 11: Reduçã de custs de mnitrament
  • Liçã 12: Equilíbri entre capacidade, cust e desempenh
  • Liçã 13: Us de ferramentas de gerenciament de custs da AWS cm sluções de ML
  • Liçã 14: Opçã de cmpra para timizar s custs da infraestrutura de ML
• Seçã 5: Cnclusã
  • Liçã 15: Resum d curs
  • Liçã 16: Avaliaçã
  • Liçã 17: Entrar em cntat cnsc