Machine Learning com Amazon AWS e SageMaker

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 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

Todos 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!