AWS ML Engineer Associate 1.2 Transform 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を取り上げます。また、データ変換について学習します。データクリーニング、エンコーディング、特徴量エンジニアリングなど、さまざまな変換の概念と手法について説明します。Amazon SageMaker Feature Store、Amazon SageMaker Data Wrangler、AWS Glue などの Amazon Web Services (AWS) のサービスを使用してデータを変換する方法を学習します。

• 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
• コースの認定テスト

コースの目標

• データのクリーニングと変換の価値を説明する。
• 不正確なデータや重複したデータを処理する方法を説明する。
• 外れ値を検出して処理する方法を説明する。
• 欠損値を処理する方法を説明する。
• 基本的なエンコーディング手法を説明する。
• 特徴量エンジニアリングのユースケースを特定する。
• 特徴量エンジニアリングの基本的な概念、利点、手法を説明する。
• 基本的な特徴量選択の手法を説明する。
• データの検証とラベリングのための AWS のサービスについて説明する。
• データを可視化および変換するための AWS のツールとサービスを特定する。
• SageMaker Feature Store を使用してデータを取り込み、特徴量を管理する方法を説明する。
• Amazon SageMaker Data Wrangler を使用してデータを取り込み、変換する方法を説明する。
• AWS Glue を使用してデータを変換する方法を説明する。
• ストリーミングデータを変換するための AWS のツールとサービスを特定する。
• AWS Lambda と Amazon EMR での Apache Spark を使用してストリーミングデータを変換する方法を説明する。

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: コースの概要
  • レッスン 3: データ変換の基礎
• セクション 2: データクリーニング手法
  • レッスン 4: 不正確なデータまたは重複したデータ
  • レッスン 5: データの外れ値
  • レッスン 6: 不完全なデータまたは欠損データ
• セクション 3: カテゴリ変数のエンコーディング手法
  • レッスン 7: カテゴリ変数のエンコーディング
  • レッスン 8: エンコーディング手法
• セクション 4: 特徴量エンジニアリング
  • レッスン 9: 特徴量エンジニアリングの概念
  • レッスン 10: 数値特徴量エンジニアリング
  • レッスン 11: テキスト特徴量エンジニアリング
  • レッスン 12: 特徴量選択の手法
• セクション 5: データ変換のための AWS のツールとサービス
  • レッスン 13: AWS を使用したデータラベリング
  • レッスン 14: AWS を使用したデータインジェスト
  • レッスン 15: AWS を使用したデータ変換
  • レッスン 16: AWS Glue を使用してデータを変換する
• セクション 6: まとめ
  • • レッスン 17: コースのまとめ
    • レッスン 18: 認定テスト
    • レッスン 19: お問い合わせ