AWS Associate 2.2: Treinamento de modelos para engenheiros de ML (Português) | AWS ML Engineer Associate 2.2 Train Models (Portuguese)

Neste curso, você se aprofundará nos principais elementos do processo de treinamento do modelo e aprenderá a selecionar o ambiente computacional mais adequado para seus requisitos específicos de treinamento. Você explorará a solução Amazon SageMaker e os contêineres pré-criados do Docker do framework de aprendizado profundo e as imagens do docker da biblioteca de ML que oferecem uma maneira eficiente de desenvolver e treinar seus modelos.

Além disso, você ganhará experiência prática no desenvolvimento de modelos de machine learning com o uso dos algoritmos e bibliotecas integrados da solução SageMaker. Você também aprenderá a usar o modo script da solução SageMaker que oferece suporte a frameworks populares como Apache MXNet, TensorFlow e PyTorch. Este curso fornecerá o conhecimento e as habilidades para usar essas ferramentas e frameworks poderosos para criar modelos robustos e precisos.

Além disso, você aprenderá os detalhes sobre várias técnicas para reduzir o tempo de treinamento do modelo, que é um aspecto fundamental para otimizar o desempenho geral e a eficiência de seus fluxos de trabalho de machine learning. Ao final deste curso, você entenderá o processo de treinamento do modelo. Por fim, você aprenderá a tomar decisões fundamentadas ao selecionar o ambiente computacional, frameworks e estratégias de otimização corretos para seus casos de uso específicos.

• Nível do curso: 300
• Duração: 1h30

Atividades

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

Objetivos do curso

• Definir os elementos principais no processo de treinamento do modelo.
• Selecionar o melhor ambiente computacional para treinamento de acordo com requisitos específicos.
• Identificar os contêineres pré-criados do Docker do framework de aprendizado profundo da solução SageMaker.
• Identificar as imagens pré-criadas do Docker da biblioteca de ML da solução SageMaker.
• Desenvolver modelos de ML com o uso de algoritmos e bibliotecas de ML integrados da solução SageMaker.
• Desenvolver modelos de ML com o uso da solução Amazon SageMaker Studio.
• Desenvolver modelos de ML com o uso do modo script da solução SageMaker e frameworks compatíveis, como Apache MXNet, TensorFlow e PyTorch.
• Descrever métodos comuns para reduzir o tempo de treinamento do modelo.
• Descrever como integrar modelos externos com a solução SageMaker.

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 cientista de dados
• Ter compreensão fundamental de linguagens de programação, como Python
• Ter concluído os cursos anteriores no plano de aprendizado AWS ML Engineer Associate.

Conteúdo do curso

• Seção 1: Introdução

o    Lição 1: Como usar este curso

o    Lição 2: Visão geral do curso

o    Lição 3: Conceitos de treinamento do modelo

• Seção 2: Ambientes computacionais

o    Lição 4: Seleção do ambiente computacional

o    Lição 5: AWS Container Services

• Seção 3: Treinamento de um modelo

o    Lição 6: Criação de um trabalho de treinamento com o uso do console da solução Amazon SageMaker

o    Lição 7: Treinamento de um modelo com o uso de um algoritmo integrado da solução SageMaker

o    Lição 8: Treinamento de um modelo com o uso do modo script da solução SageMaker

o    Lição 9: Métodos para reduzir o tempo de treinamento

• Seção 4: Modelos externos

o    Lição 10: Integração de modelos externos com a solução SageMaker

• Seção 5: Conclusão

o    Lição 11: Resumo do curso

o    Lição 12: Avaliação

o    Lição 13: Entrar em contato conosco