AWS ML Engineer Associate 2.4 Análise de desempenho de modelo (Português) | AWS ML Engineer Associate 2.4 Analyze Model Performance (Portuguese)

Este curso final do domínio de desenvolvimento de modelos fornece instruções para analisar o desempenho de modelos de ML. Você aprenderá sobre os principais conceitos e técnicas para avaliação de modelos, incluindo métricas de problemas de classificação e de regressão. Você também aprenderá como identificar problemas de convergência e garantir uma experimentação reproduzível. Por último, você usará os serviços da AWS, como o Amazon SageMaker Clarify e o Amazon SageMaker Debugger, para obter informações sobre dados de treinamento de machine learning (ML) e problemas de modelo.

• Nível do curso: 300
• Duração: 1h30

Atividades

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

Objetivos do curso

• Determinar métodos para criar linhas de base de desempenho.
• Avaliar as vantagens e desvantagens entre o desempenho do modelo, o tempo de treinamento e os custos.
• Determinar técnicas e métricas de avaliação de problemas de classificação.
• Determinar técnicas e métricas de avaliação de problemas de regressão.
• Identificar problemas de convergência e evitar problemas de convergência de modelos com o Amazon SageMaker Training Compiler e o Amazon SageMaker Automatic Model Tuning (AMT).
• Identificar as métricas do SageMaker Clarify para obter informações sobre dados e modelos de treinamento de ML.
• Usar o SageMaker Clarify para interpretar as saídas do modelo.
• Descrever como realizar testes reproduzíveis usando os serviços da AWS. 
• Usar o SageMaker Model Debugger para depurar a convergência do modelo.

Público-alvo

• Arquitetos de nuvem
• Engenheiros de machine learning

Habilidades recomendadas

• Ter pelo menos um ano de experiência de uso do 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 data scientist
• Ter compreensão básica de linguagens de programação, como Python
• Ter concluído os cursos anteriores no Plano de aprendizado de 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: Linhas de base de desempenho

• Seção 2: Avaliação do modelo

o    Lição 4: Técnicas e métricas de avaliação de modelo

o    Lição 5: Problemas de convergência

o    Lição 6: Depuração de convergência do modelo com o SageMaker Debugger 

o    Lição 7: Visão geral das métricas e do SageMaker Clarify

o    Lição 8: Interpretação das saídas do modelo usando o SageMaker Clarify

o    Lição 9: Amazon SageMaker Experiments

• Seção 3: Conclusão

o    Lição 10: Resumo do curso

o    Lição 11: Avaliação

o    Lição 12: Entre em contato conosco