Machine Learning com Amazon AWS e SageMaker

Aprenda tudo o que você precisa saber sobre Machine Learning com o Amazon SageMaker! Tudo passo a passo com Python
Machine Learning com Amazon AWS e SageMaker
File Size :
5.93 GB
Total length :
16h 12m

Category

Instructor

Jones Granatyr

Language

Last update

Última atualização em 6/2022

Ratings

4.6/5

Machine Learning com Amazon AWS e SageMaker

What you’ll learn

Entender a finalidade dos principais serviços da Amazon, como: AWS, S3, EC2, IAM e SageMaker
Codificar em Python utilizando o SageMaker Studio, que é a principal IDE para programar em Python no AWS
Integrar o SageMaker com o serviço de armazenamento de dados S3
Implementar soluções de aprendizado de máquina utilizando os algoritmos disponíveis no Amazon AWS
Resolver problemas de regressão e classificação utilizando o Linear Leaner e o XGBoost
Prever séries temporais utilizando o algoritmo DeepAR da área de Deep Learning
Detectar outliers com o algoritmo Random Cut Forest
Reduzir a dimensionalidade de bases de dados com PCA (Principal Component Analysis)
Classificar imagens com redes neurais convolucionais, utilizando o algoritmo pré-definido no AWS
Integrar a biblioteca TensorFlow com o AWS
Realizar o deploy de modelos de aprendizagem (endpoint) de máquina para acesso externo
Utilizar a ferramenta autopilot de aprendizagem de máquina automática para realizar o processo completo na área de dados

Machine Learning com Amazon AWS e SageMaker

Requirements

Lógica de programação
Programação básica em Python
Conhecimentos básicos sobre aprendizagem de máquina são desejáveis, porém, não obrigatórios

Description

A Amazon Web Services (AWS) é uma das plataformas de nuvem mais utilizadas do mundo, que oferece uma gama muito grande de serviços que podem ser utilizados pelas empresas. Estão disponíveis serviços nas áreas de computação, armazenamento, banco de dados, redes de computadores, blockchaim, robótica, satélite, dentre vários outros. Tais serviços podem ser utilizados nas mais diversas áreas de atuação, como por exemplo: publicidade, marketing, agricultura, setor automobilístico, educação, energia, governo, serviços financeiros, saúde, turismo e varejo. Dentro desse universo, também podem-se citar os serviços na área de Machine Learning (Aprendizagem de Máquina) e Inteligência Artificial, sendo possível utilizar algoritmos pré-definidos juntamente com armazenamento na nuvem para cumprir todas as etapas do processo, desde a obtenção dos dados até criação do modelo final em produção.A Amazon disponibiliza o SageMaker, que é um serviço que permite aos cientistas e engenheiros de dados construir, treinar e implantar modelos de ML para qualquer tipo de aplicação. Para levar você até essa área, neste curso você terá uma visão principalmente prática sobre como utilizar os recursos do Amazon SageMaker para treinar modelos de machine learning! Ao final você terá todas as ferramentas necessárias para construir soluções de aprendizado de máquina utilizando os recursos oferecidos pela Amazon! O curso está dividido em dez partes que abordam recursos e algoritmos diferentes. Veja abaixo alguns dos tópicos que serão implementados passo a passo:Entender a finalidade dos principais serviços da Amazon, como: AWS, S3, EC2, IAM e SageMakerCodificar em Python utilizando o SageMaker Studio, que é a principal IDE para programar em Python no AWSIntegrar o SageMaker com o serviço de armazenamento de dados S3Implementar soluções de aprendizado de máquina utilizando os algoritmos disponíveis no Amazon AWSResolver problemas de regressão e classificação utilizando o Linear Leaner e o XGBoostPrever séries temporais utilizando o algoritmo DeepAR da área de Deep LearningDetectar outliers com o algoritmo Random Cut ForestReduzir a dimensionalidade de bases de dados com PCA (Principal Component Analysis)Classificar imagens com redes neurais convolucionais, utilizando o algoritmo pré-definido no AWSIntegrar a biblioteca TensorFlow com o AWSRealizar o deploy de modelos de aprendizagem (endpoint) de máquina para acesso externoUtilizar a ferramenta autopilot de aprendizagem de máquina automática para realizar o processo completo na área de dadosTodos os códigos serão implementados passo a passo e com detalhes, inclusive com exercícios práticos ao final de cada seção. São mais de 120 aulas e mais de 16 horas de vídeos passo a passo!

Overview

Section 1: Introdução

Lecture 1 Conteúdo do curso

Lecture 2 Mais sobre Machine Learning

Lecture 3 Recursos para download

Section 2: Introdução ao AWS

Lecture 4 AWS, S3, EC2, IAM e SageMaker

Lecture 5 Criação de conta na AWS

Lecture 6 Amazon S3 – introdução

Lecture 7 SageMaker – introdução

Lecture 8 SageMaker – integração com S3 1

Lecture 9 SageMaker – integração com S3 2

Lecture 10 AULA MAIS IMPORTANTE! Cobranças por uso do SageMaker

Lecture 11 Atualização sobre valores cobrados pela Amazon

Section 3: Regressão com Linear Learner e XGBoost

Lecture 12 Introdução

Lecture 13 ATENÇÃO! Evite cobranças no seu cartão!

Lecture 14 Carregamento da base de dados

Lecture 15 Visualização dos dados

Lecture 16 Pré-processamento dos dados

Lecture 17 Configurações do SageMaker

Lecture 18 Regressão linear – intuição

Lecture 19 Treinamento do Linear Learner

Lecture 20 Deploy, previsões e avaliação

Lecture 21 XGBoost – intuição

Lecture 22 Preparação dos dados

Lecture 23 Configurações do SageMaker

Lecture 24 Treinamento do XGBoost

Lecture 25 Deploy, previsões e avaliação

Lecture 26 Tuning dos parâmetros 1

Lecture 27 Tuning dos parâmetros 2

Lecture 28 Tuning dos parâmetros 3

Lecture 29 EXERCÍCIO

Lecture 30 Solução para o exercício

Section 4: Classificação com Linear Learner e XGBoost

Lecture 31 Introdução

Lecture 32 ATENÇÃO! Evite cobranças no seu cartão!

Lecture 33 Carregamento e exploração dos dados

Lecture 34 Pré-processamento dos dados

Lecture 35 Configurações do SageMaker

Lecture 36 Regressão logística – intuição

Lecture 37 Treinamento do Linear Learner

Lecture 38 Deploy, previsões e avaliação

Lecture 39 EXERCÍCIO – XGBoost

Lecture 40 Solução para o exercício

Section 5: Séries temporais com DeepAR

Lecture 41 Introdução

Lecture 42 ATENÇÃO! Evite cobranças no seu cartão!

Lecture 43 Preparação dos dados 1

Lecture 44 Preparação dos dados 2

Lecture 45 Preparação dos dados 3

Lecture 46 Configurações do SageMaker

Lecture 47 Treinamento do DeepAR

Lecture 48 Deploy e previsões

Lecture 49 EXERCÍCIO

Lecture 50 Solução para o exercício

Section 6: Outliers com Random Cut Forest

Lecture 51 Introdução

Lecture 52 ATENÇÃO! Evite cobranças no seu cartão!

Lecture 53 Tratamento da base de dados

Lecture 54 Configurações do SageMaker

Lecture 55 Treinamento do Random Cut Forest

Lecture 56 Deploy e inferência 1

Lecture 57 Deploy e inferência 2

Lecture 58 EXERCÍCIO

Lecture 59 Solução para o exercício

Section 7: PCA e agrupamento K-means

Lecture 60 Introdução

Lecture 61 ATENÇÃO! Evite cobranças no seu cartão!

Lecture 62 Tratamento da base de dados

Lecture 63 Configurações do SageMaker

Lecture 64 Treinamento do PCA

Lecture 65 Redução de dimensionalidade

Lecture 66 K-means – intuição

Lecture 67 Treinamento do k-means

Lecture 68 Agrupamento com k-means

Lecture 69 EXERCÍCIO – PCA e classificação

Lecture 70 Solução para o exercício

Section 8: Redes neurais artificiais – classificação de imagens

Lecture 71 Introdução

Lecture 72 ATENÇÃO! Evite cobranças no seu cartão!

Lecture 73 Aumento do limite de execução

Lecture 74 Base de dados Caltech 256

Lecture 75 Treinamento da rede neural

Lecture 76 Deploy e previsões

Lecture 77 Base de dados MNIST

Lecture 78 Treinamento da rede neural

Lecture 79 EXERCÍCIO – deploy e previsões

Lecture 80 Solução para o exercício

Section 9: SageMaker com TensorFlow

Lecture 81 Introdução

Lecture 82 ATENÇÃO! Evite cobranças no seu cartão

Lecture 83 Base de dados MNIST

Lecture 84 Pré-processamento das imagens

Lecture 85 Construção e treinamento da rede neural

Lecture 86 Avaliação e previsões

Lecture 87 Script TensorFlow 1

Lecture 88 Script TensorFlow 2

Lecture 89 TensorFlow + SageMaker 1

Lecture 90 TensorFlow + SageMaker 2

Lecture 91 EXERCÍCIO

Lecture 92 Solução para o exercício

Section 10: Endpoint externo

Lecture 93 Introdução

Lecture 94 ATENÇÃO! Evite cobranças no seu cartão

Lecture 95 Criação de novo usuário

Lecture 96 SageMaker SDK

Lecture 97 Boto3 SDK

Lecture 98 EXERCÍCIO

Lecture 99 Solução para o exercício

Section 11: Aupilot – aprendizagem automática

Lecture 100 Introdução

Lecture 101 ATENÇÃO! Evite cobranças no seu cartão!

Lecture 102 Carregamento dos dados

Lecture 103 Execução do experimento

Lecture 104 Análise dos resultados

Lecture 105 EXERCÍCIO

Lecture 106 Solução para o exercício

Section 12: Anexo 1: Redes neurais artificiais

Lecture 107 Fundamentos biológicos

Lecture 108 Perceptron de uma camada

Lecture 109 Redes multicamada – função soma e avaliação

Lecture 110 Redes multicamada – cálculo do erro

Lecture 111 Descida do gradiente

Lecture 112 Cálculo do parâmetro delta

Lecture 113 Ajuste dos pesos com backpropagation

Lecture 114 Bias, erro, descida do gradiente estocástica e mais parâmetros

Section 13: Anexo 2: Redes neurais convolucionais

Lecture 115 Introdução a redes neurais convolucionais 1

Lecture 116 Introdução a redes neurais convolucionais 2

Lecture 117 Etapa 1 – operador de convolução (introdução)

Lecture 118 Etapa 1 – operador de convolução (cálculos)

Lecture 119 Etapa 2 – pooling

Lecture 120 Etapa 3 – flattening

Lecture 121 Etapa 4 – rede neural densa

Section 14: Anexo 3: Redes neurais recorrentes

Lecture 122 Introdução a redes neurais recorrentes

Lecture 123 Gradiente desaparecendo – gradient vanish problem

Lecture 124 LSTM – long-short term memory

Section 15: Considerações finais

Lecture 125 Informações sobre a certificação AWS

Lecture 126 Considerações finais

Lecture 127 AULA BÔNUS

Praticantes de ciência de dados que desejam avançar em suas carreiras e construir seu portfólio,Qualquer pessoa interessada em inteligência artificial, ciência de dados, machine learning ou deep learning,Estudantes de graduação e pós-graduação que estejam cursando disciplinas sobre este assunto,Pessoas que queiram aprender a usar os recursos de machine learning da Amazon,Pessoas interessadas em estudar o AWS para futuramente estudarem para a certificação

Course Information:

Udemy | Português | 16h 12m | 5.93 GB
Created by: Jones Granatyr

You Can See More Courses in the Developer >> Greetings from CourseDown.com

New Courses

Scroll to Top