Associado de Engenheiro de ML da AWS 1.2 Transformar dados (Português) | AWS ML Engineer Associate 1.2 Transform Data (Portuguese)

Este curso abrange parte da fase de preparação de dados do ciclo de vida de machine learning (ML). Neste curso, você aprenderá sobre transformação de dados. Este curso aborda vários conceitos e técnicas de transformação, como limpeza de dados, codificação e engenharia de atributos. Você descobrirá como usar os serviços da Amazon Web Services (AWS), como o Amazon SageMaker Feature Store, o Amazon SageMaker Data Wrangler e o AWS Glue, para transformar seus dados.

• 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

• Explicar o valor da limpeza e da transformação de dados.
• Descrever como processar dados incorretos ou duplicados.
• Descrever como detectar e tratar discrepâncias.
• Descrever como processar valores ausentes.
• Descrever as técnicas fundamentais de codificação.
• Identificar casos de uso de engenharia de atributos.
• Descrever os conceitos, os benefícios e as técnicas fundamentais da engenharia de atributos.
• Descrever as técnicas fundamentais de seleção de atributos.
• Descrever os serviços da AWS para validar e rotular dados.
• Identificar as ferramentas e os serviços da AWS para visualizar e transformar dados.
• Descrever como ingerir dados e gerenciar atributos usando o SageMaker Feature Store.
• Descrever como ingerir e transformar dados usando o Amazon SageMaker Data Wrangler.
• Descrever como transformar dados usando o AWS Glue.
• Identificar as ferramentas e os serviços da AWS para transformar dados de streaming.
• Descrever como transformar dados de streaming usando o AWS Lambda e o Apache Spark no Amazon EMR.

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: Visão geral do curso
  • Lição 3: Fundamentos da transformação de dados
• Seção 2: Técnicas de limpeza de dados
  • Lição 4: Dados incorretos e duplicados
  • Lição 5: Discrepâncias de dados
  • Lição 6: Dados incompletos ou ausentes
• Seção 3: Técnicas de codificação categórica
  • Lição 7: Codificação categórica
  • Lição 8: Técnicas de codificação
• Seção 4: Engenharia de atributos
  • Lição 9: Conceitos de engenharia de atributos
  • Lição 10: Engenharia de atributos numéricos
  • Lição 11: Engenharia de atributos de texto
  • Lição 12: Técnicas de seleção de atributos
• Seção 5: Ferramentas e serviços da AWS para transformação de dados
  • Lição 13: Rotulagem de dados com a AWS
  • Lição 14: Ingestão de dados com a AWS
  • Lição 15: Transformação de dados com a AWS
  • Lição 16: Transformação de dados usando o AWS Glue
• Seção 6: Conclusão
  • Lição 17: Resumo do curso
  • Lição 18: Avaliação
  • Lição 19: Entrar em contato conosco