2023 Torne-se Engenheiro de ML AWS SageMaker em 30 Dias + ChatGPT

Construa mais de 30 projetos de ML em 30 dias na AWS, domine SageMaker JumpStart, Canvas, AutoPilot, DataWrangler, Lambda e S3

Você deseja se tornar um Engenheiro de Aprendizado de Máquina AWS usando o SageMaker em 30 dias? Você deseja construir aplicativos de Aprendizado de Máquina (ML) de nível de produção super poderosos na AWS, mas não sabe por onde começar? Você é um iniciante absoluto e deseja ingressar em IA, ML e Computação em Nuvem e está procurando um curso que inclua tudo o que você precisa? Você é um empreendedor aspirante que deseja maximizar as receitas comerciais e reduzir os custos com ML, mas não sabe como chegar lá rapidamente e de forma eficiente? Você deseja aproveitar o ChatGPT como programador para automatizar suas tarefas de codificação? Se a resposta for sim para alguma dessas perguntas, este curso é para você! A Aprendizado de Máquina é o futuro de um dos principais campos tecnológicos atualmente! ML e IA mudarão nossas vidas da mesma forma que a eletricidade fez há 100 anos. O ML é amplamente adotado em finanças, bancos, saúde, transporte e tecnologia. O campo está explodindo com oportunidades e perspectivas de carreira. A AWS é uma das plataformas de computação em nuvem mais amplamente utilizadas no mundo e várias empresas dependem da AWS para seus propósitos de computação em nuvem. O SageMaker da AWS é um serviço totalmente gerenciado oferecido pela AWS que permite que cientistas de dados e praticantes de IA treinem, testem e implantem modelos de IA/ML de maneira rápida e eficiente. Este curso é único e excepcional de várias maneiras, inclui várias oportunidades de prática, questionários e projetos finais de capstone. Neste curso, os alunos aprenderão como criar modelos de ML de nível de produção usando a AWS. O curso é dividido em 8 seções principais da seguinte forma:

Seção 1 (Dias 1 - 3):

Nesta seção, aprenderemos o seguinte: 1. Comece com um "pacote inicial" de fundamentos da AWS e Aprendizado de Máquina que inclui serviços-chave da AWS, como Simple Storage Service (S3), Elastic Compute Cloud (EC2), Identity and Access Management (IAM) e CloudWatch. 2. Os benefícios da computação em nuvem, a diferença entre regiões e zonas de disponibilidade e o que está incluído no Pacote Gratuito da AWS. 3. Como configurar uma nova conta na AWS, configurar uma Autenticação Multifator (MFA) e navegar pelo Console de Gerenciamento da AWS. 4. Como monitorar o painel de faturamento, definir alarmes, preços de instâncias S3/EC2 e solicitar aumento de limites de serviço. 5. Os fundamentos do Aprendizado de Máquina e entender a diferença entre Inteligência Artificial (IA), Aprendizado de Máquina (ML), Ciência de Dados (DS) e Aprendizado Profundo (DL). 6. Aprenda a diferença entre aprendizado supervisionado, não supervisionado e por reforço. 7. Liste os principais componentes para construir qualquer modelo de aprendizado de máquina, incluindo dados, modelo e computação. 8. Aprenda os fundamentos do Amazon SageMaker, Componentes do SageMaker, opções de treinamento oferecidas pelo SageMaker, incluindo algoritmos incorporados, AWS Marketplace e algoritmos de ML personalizados. 9. Cubra o AWS SageMaker Studio e aprenda a diferença entre AWS SageMaker JumpStart, SageMaker Autopilot e SageMaker Data Wrangler. 10. Aprenda a escrever nosso primeiro código na nuvem usando o Jupyter Notebooks. Em seguida, teremos um tutorial cobrindo algoritmos de detecção de objetos do AWS Marketplace, como Yolo V3. 11. Aprenda a treinar nosso primeiro modelo de aprendizado de máquina usando o novo AWS SageMaker Canvas sem escrever nenhum código!

Seção 2 (Dias 4 - 5):

Nesta seção, aprenderemos o seguinte: 1. Rotular imagens e texto usando o Amazon SageMaker GroundTruth. 2. Aprenda a diferença entre equipes de rotulagem de dados, como turcos mecânicos públicos, rotuladores privados e fornecedores terceirizados curados pela AWS. 3. Cubra histórias de sucesso de várias empresas que aproveitaram os dados para maximizar receitas, reduzir custos e otimizar processos. 4. Cubra fontes de dados, tipos e a diferença entre dados bons e ruins. 5. Aprenda sobre formatos de linhas Json e arquivos de manifesto. 6. Cubra um tutorial detalhado para definir um trabalho de rotulagem de classificação de imagem no SageMaker. 7. Fluxo de trabalho de rotulagem automática e aprenda a diferença entre SageMaker GroundTruth e GroundTruth Plus. 8. Aprenda a definir um trabalho de rotulagem com caixas delimitadoras (detecção de objetos e segmentação semântica de nível de pixel). 9. Rotule dados de texto usando o Amazon SageMaker GroundTruth.

Seção 3 (Dias 6 - 10):

Nesta seção, aprenderemos: 1. Como realizar análise exploratória de dados (EDA). 2. Domine o Pandas, uma biblioteca de código aberto super poderosa para realizar análises de dados em Python. 3. Analise informações de funcionários corporativos usando o Pandas no Jupyter Notebooks no AWS SageMaker Studio. 4. Defina um DataFrame do Pandas, leia dados CSV usando o Pandas, realize análise estatística básica nos dados, defina/redefina o índice do DataFrame do Pandas, selecione colunas específicas do DataFrame, adicione/exclua colunas do DataFrame, realize seleção de elementos baseada em rótulos/inteiros, realize operações de transmissão e classificação/ordenação do DataFrame do Pandas. 5. Realize análise estatística de dados em conjuntos de dados do mundo real, lide com dados ausentes usando pandas, altere os tipos de dados do DataFrame do pandas, defina uma função e aplique-a a uma coluna do DataFrame do Pandas, realize operações e filtragem do Pandas, calcule e exiba a matriz de correlação, use a biblioteca seaborn para mostrar um mapa de calor. 6. Analise os preços de criptomoedas e os retornos diários do Bitcoin (BTC), Ethereum (ETH), Litecoin (LTC), Cardano (ADA) e Ripple (XRP) usando as bibliotecas Matplotlib e Seaborn no AWS SageMaker Studio. 7. Realize visualização de dados usando as bibliotecas Seaborn e Matplotlib, os gráficos incluem um gráfico de linha, gráficos de pizza, vários sub