YoVDO

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)

Offered By: Amazon Web Services via AWS Skill Builder

Tags

Machine Learning Courses Amazon Web Services (AWS) Courses Amazon EventBridge Courses Amazon SageMaker Courses Amazon QuickSight Courses AWS X-Ray Courses AWS CloudTrail Courses

Course Description

Overview

Save Big on Coursera Plus. 7,000+ courses at $160 off. Limited Time Only!

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



Tags

Related Courses

Introduction to Artificial Intelligence
Stanford University via Udacity
Natural Language Processing
Columbia University via Coursera
Probabilistic Graphical Models 1: Representation
Stanford University via Coursera
Computer Vision: The Fundamentals
University of California, Berkeley via Coursera
Learning from Data (Introductory Machine Learning course)
California Institute of Technology via Independent