Associado de engenheiro de ML AWS 1.1: coleta, ingestão e armazenamento de dados (Português) | AWS ML Engineer Associate 1.1 Collect, Ingest, and Store Data (Portuguese)

Este curso abrange parte da fase de preparação de dados do ciclo de vida de machine learning (ML). Neste curso, você vai aprender aspectos básicos, como quais são os tipos de dados, como diferenciar os efetivos dos inefetivos e como visualizar e analisar dados. Você vai conhecer alguns dos principais serviços de armazenamento da Amazon Web Services (AWS) usados no processo de ML, como o Amazon Simple Storage Service (Amazon S3). Este curso mostra como escolher as opções mais eficazes de armazenamento da AWS e de formato de dados, com base nas suas necessidades. Você também vai conhecer alguns serviços da AWS para ingestão, extração e mesclagem de dados, como o Amazon Kinesis.

• Nível do curso: 300
• Duração: 60 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
• Uma demonstração
• Perguntas de teste de conhecimento
• Uma avaliação do curso

Objetivos do curso

• Descrever os aspectos básicos da coleta de dados.
• Definir formatos de dados e mecanismos de ingestão.
• Descrever alguns métodos para visualizar dados.
• Descrever as opções de armazenamento da AWS para coleta de dados em ML, incluindo os casos de uso e as vantagens e desvantagens.
• Escolher a opção de armazenamento mais eficaz com base no custo, no desempenho e na estrutura dos dados.
• Escolher o formato de dados apropriado para uma tarefa de ML, com base nos padrões de acesso aos dados.
• Descrever as fontes de dados de streaming da AWS para ingestão.
• Extrair o conteúdo do armazenamento da AWS usando serviços da AWS para transferência de dados.
• Descrever como mesclar os dados de mais de uma fonte.
• Identificar a causa de problemas de ingestão e armazenamento de dados que envolvem capacidade e escalabilidade.

Público-alvo

• Arquitetos de nuvem
• Engenheiros de machine learning

Habilidades recomendadas

• Pelo menos um ano de experiência usando o Amazon SageMaker e outros serviços da AWS de engenharia de ML. 
• Pelo menos um ano de experiência em uma função relacionada, como desenvolvedor de software back-end, desenvolvedor DevOps, engenheiro de dados ou data scientist. 
• Uma compreensão fundamental de linguagens de programação como Python. 
• Cursos anteriores no Plano de aprendizado de associado de engenheiro de ML da AWS.

Conteúdo do curso

• Seção 1: Introdução
  • Lição 1: Como usar este curso
  • Lição 2: Introdução ao domínio 1
  • Lição 3: Visão geral do curso
  • Lição 4: Aspectos básicos da coleta de dados
• Seção 2: Coleta de dados
  • Lição 5: Tipos de dados
  • Lição 6: Visualização e análise exploratória de dados
• Seção 3: Fontes de dados e serviços da AWS
  • Lição 7: Opções de armazenamento da AWS
  • Lição 8: Como escolher o armazenamento
• Seção 4: Ingerir, extrair e mesclar dados
  • Lição 9: Ingestão de dados
  • Lição 10: Extração de dados
  • Lição 11: Mesclagem de dados
  • Lição 12: Solução de problemas de ingestão e armazenamento de dados
• Seção 5: Conclusão
  • Lição 13: Resumo do curso
  • Lição 14: Avaliação
  • Lição 15: Entrar em contato