AWS ML Engineer Associate 1.1 Collect, Ingest, and Store Data (Japanese)

このコースでは、機械学習 (ML) ライフサイクルのデータ準備フェーズの一部について説明します。データの種類を認識する方法、有効なデータと無効なデータを区別する方法、データを可視化して分析する方法など、データの基礎について学習します。また、Amazon Simple Storage Service (Amazon S3) など、機械学習プロセス中に使用する Amazon Web Services (AWS) の主要なストレージサービスの一部について学習します。さらに、特定の機械学習のニーズに基づいて、最も効果的な AWS ストレージとデータ形式を選択する方法を紹介します。最後に、Amazon Kinesis など、データの取り込み、抽出、マージに役立つ AWS のサービスについて詳しく説明します。

• コースレベル: 300
• 所要時間: 60 分

アクティビティ

• オンライン資料
• デモンストレーション
• ナレッジチェックの問題
• コースの評価テスト

コースの目標

• データ収集の基礎を説明する。
• データ形式と取り込みメカニズムを定義する。
• データを可視化するさまざまな方法を説明する。
• 機械学習用データを収集するための AWS ストレージオプションを、ユースケースとトレードオフも含めて説明する。
• コスト、パフォーマンス、データ構造に基づいて、最も効果的なストレージを選択する。
• データアクセスパターンに基づいて機械学習タスクに適したデータ形式を選択する。
• データ取り込み用の AWS ストリーミングデータソースについて説明する。
• データ転送を支援する AWS のサービスを使用して、AWS ストレージサービスからデータを抽出する。
• 複数のソースから取得したデータをマージする方法を説明する。
• 容量とスケーラビリティに関する、データの取り込みとストレージの問題の原因を特定する。

対象者

• クラウドアーキテクト
• 機械学習エンジニア

推奨スキル

• Amazon SageMaker および AWS の他のサービスを機械学習エンジニアリングに使用した経験が 1 年以上あること
• バックエンドソフトウェアデベロッパー、DevOps デベロッパー、データエンジニア、データサイエンティストなどの関連職種での経験が 1 年以上あること
• Python などのプログラミング言語に関する基本的な理解
• AWS 機械学習エンジニアアソシエイトの学習プランの先行コース

コースの概要

• セクション 1: はじめに
  • レッスン 1: このコースの使用方法
  • レッスン 2: 分野 1 の概要
  • レッスン 3: コースの概要
  • レッスン 4: データ収集の基礎
• セクション 2: データ収集
  • レッスン 5: データの種類
  • レッスン 6: データの可視化と探索的データ分析
• セクション 3: AWS のデータソースとサービス
  • レッスン 7: AWS ストレージオプション
  • レッスン 8: ストレージの選択
• セクション 4: データの取り込み、抽出、マージ
  • レッスン 9: データ取り込み
  • レッスン 10: データ抽出
  • レッスン 11: データマージ
  • レッスン 12: データ取り込みとストレージのトラブルシューティング
• セクション 5: まとめ
  • レッスン 13: コースのまとめ
  • レッスン 14: 評価テスト
  • レッスン 15: お問い合わせ