Engenheiro de ML Associado AWS 2.3 Refinar modelos (Português) | AWS ML Engineer Associate 2.3 Refine Models (Portuguese)

Neste curso, você aprenderá a refinar os modelos de machine learning (ML). Você começa analisando os métodos de mitigação de viés e desempenho do modelo e aprende como evitar o sobreajuste e o subajuste do modelo. Em seguida, você descobrirá como combinar métodos para melhorar o desempenho do modelo e como usar o ajuste de hiperparâmetros para produzir resultados otimizados do modelo.

Você também examinará as variações do tamanho e do controle de versão do modelo e explorará como os serviços do Amazon SageMaker podem ajudar no processo de refinamento do modelo. 

• Nível do curso: 300
• Duração: 2 horas

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
• Exercícios
• Perguntas de teste de conhecimento

Objetivos do curso

• Defina e interprete as métricas de avaliação do modelo, como viés e variância do modelo.
• Descreva os métodos para detectar o sobreajuste e o subajuste do modelo.
• Use técnicas de regularização e seleção de recursos para evitar o sobreajuste e o subajuste do modelo.
• Combine vários modelos de treinamento por meio de métodos conjuntos, como reforço, ensacamento e empilhamento, para melhorar o desempenho do modelo.
• Explique como os hiperparâmetros afetam o desempenho do modelo.
• Defina as principais técnicas de ajuste de hiperparâmetros.
• Execute a otimização automatizada de hiperparâmetros para melhorar o desempenho do modelo.
• Identifique os principais fatores que influenciam o tamanho do modelo.
• Reduza o tamanho do modelo usando a eliminação iterativa do modelo.
• Use conjuntos de dados personalizados para ajustar modelos pré-treinados usando o Amazon SageMaker JumpStart e o Amazon Bedrock.
• Use técnicas de regularização e seleção de recursos para evitar esquecimentos catastróficos.
• Gerencie versões de modelos para repetibilidade e auditoria usando o Amazon SageMaker Model Registry.

Público-alvo

• Arquitetos de nuvem
• Engenheiros de machine learning

Habilidades recomendadas

• Concluiu pelo menos 1 ano de experiência usando o SageMaker e outros serviços da AWS para engenharia de ML
• Concluiu pelo menos 1 ano de experiência em uma função relacionada, como desenvolvedor de software de back-end, desenvolvedor de DevOps, engenheiro de dados ou cientista de dados
• Uma compreensão fundamental de linguagens de programação como Python
• Concluiu os cursos anteriores no Plano de Aprendizagem Associada de Engenheiros de ML da AWS

Conteúdo do curso

• Seção 1: Introdução
  • Lição 1: Como usar este curso
  • Lição 2: Visão geral do curso
  • Lição 3: Avaliando o desempenho do modelo
• Seção 2: Ajuste do modelo
  • Lição 4: Sobreajuste e subajuste do modelo
  • Lição 5: Modelo de prevenção de sobreajuste e subajuste
  • Lição 6: Combinação de modelos para melhorar o desempenho
• Seção 3: Ajuste de hiperparâmetros
  • Lição 7: Benefícios do ajuste de hiperparâmetros
  • Lição 8: Técnicas de ajuste de hiperparâmetros
  • Lição 9: Ajuste de hiperparâmetros usando o Amazon SageMaker AMT
• Seção 4: Gerenciando o tamanho do modelo
  • Lição 10: Fatores de tamanho do modelo
  • Lição 11: Técnicas de redução do tamanho do modelo
• Seção 5: Refinando modelos pré-treinados
  • Lição 12: Benefícios do ajuste fino de modelos pré-treinados
  • Lição 13: Ajustando modelos pré-treinados com conjuntos de dados personalizados na AWS
  • Lição 14: Prevenção do esquecimento catastrófico
• Seção 6: Controle de versão do modelo
  • Lição 15: Benefícios do Amazon SageMaker Model Registry
  • Lição 16: Registrando e implantando modelos com o SageMaker Model Registry
• Seção 7: Conclusão
  • Lição 17: Resumo do curso
  • Lição 18: Avaliação
  • Lição 19: Entrar em contato