Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Amazon Web Services

Machine learning e IA generativa na AWS sem código (inclui laboratórios) (Português) | No-code Machine Learning and Generative AI on AWS (Includes Labs) (Portuguese)

Amazon Web Services and Amazon via AWS Skill Builder

Overview

Com o Amazon SageMaker Canvas, analistas de dados e negócios podem preparar dados, treinar e implantar modelos de machine learning (ML) sem ter qualquer experiência em ML nem programar uma única linha de código. Você aprenderá a criar modelos de ML para dados tabulares e de séries temporais sem um profundo conhecimento de ML. Você também pode praticar o que aprendeu no curso com a ajuda de quatro laboratórios.

Você também aprenderá a usar modelos de base da Amazon e de outros fornecedores para dar suporte a casos de uso de IA generativa, como geração de texto, resumo de texto e chat usando geração aumentada de recuperação (RAG).

Depois de concluir este curso, você poderá criar e treinar modelos altamente precisos e gerar previsões usando inferência em lote. Você também poderá compartilhar modelos com data scientists para análise e implantação adicionais nos pipelines de operação de ML da sua empresa.

  • Nível do curso: intermediário
  • Duração: 10,5 horas


Atividades

Este curso inclui interações de eLearning, testes de conhecimento e demonstrações complementares.


Objetivos do curso

Neste curso, você aprenderá a:

  • Descrever os conceitos e técnicas básicas de machine learning (ML).
  • Identificar o ciclo de vida do ML e suas fases.
  • Descrever os tipos de problemas que o ML pode resolver.
  • Identificar as etapas para criar um modelo de ML.
  • Descrever as métricas para medir a acurácia preditiva de um modelo.
  • Usar o Amazon SageMaker Canvas para transformar dados brutos em um conjunto de dados de treinamento.
  • Descrever como extrair informações dos dados e entender a qualidade deles.
  • Identificar como encontrar possíveis erros e valores extremos nos dados com ferramentas de visualização.
  • Descrever os recursos de criação de modelos do SageMaker Canvas usando o AutoML.
  • Usar o SageMaker Canvas para iniciar um trabalho de treinamento do modelo e acompanhar seu progresso.
  • Descrever as métricas de qualidade de modelo disponíveis nos relatórios de desempenho.
  • Implantar um modelo e fazer previsões.
  • Usar a interface de usuário (UI) de modelo de base (FM) do SageMaker Canvas para geração de texto, resumo de texto e comparação de modelos.
  • Identificar e enfrentar os desafios com os resultados de modelos de base usando RAG e ajustes.
  • Descrever as práticas recomendadas a serem seguidas ao usar o Amazon SageMaker Canvas.


Público-alvo

Este curso se destina a:

  • Analistas de dados
  • Pesquisadores de domínios que não são de ML
  • Analistas de pesquisa operacional
  • Data scientists juniores


Pré-requisitos

A AWS recomenda que os participantes deste curso tenham:

  • Experiência com análise, limpeza e transformação de dados tabulares ou de séries temporais
  • Compreensão básica de medidas estatísticas e de regressão
  • Curso Elementos técnicos essenciais da AWS

Para quem é iniciante na IA generativa, a AWS recomenda os seguintes cursos:

  • Introdução à IA generativa: a arte do possível
  • Planejar um projeto de IA generativa


Conteúdo do curso

Módulo 1: Introdução ao machine learning

Como usar este curso

Introdução ao ML

  • Noções básicas de ML
  • Tipos de problemas que o ML pode resolver
  • Ciclo de vida de ML
  • Desafios do processamento de dados e da extração de informações

Criar e avaliar modelos

  • Introdução à criação de modelos
  • Avaliação do modelo
  • Melhorar o desempenho do modelo
  • Opções de treinamento de modelo

Conclusão

  • Teste de conhecimento
  • Conclusão


Módulo 2: Análise e preparação de dados

Como usar este curso

Introdução ao Amazon SageMaker Canvas

  • Amazon SageMaker Canvas
  • Analisar dados
  • Análise do Quick Model

Preparação de dados

  • Transformar dados
  • Exportação de dados e fluxos de dados

Conclusão

  • Teste de conhecimento
  • Conclusão


Laboratório 1: Amazon SageMaker Canvas – Caso de uso de dados tabulares

Laboratório 2: Amazon SageMaker Canvas – Caso de uso de conjuntos de dados de séries temporais


Módulo 3: Criação de modelos usando o SageMaker Canvas

Como usar este curso

Deep dive no SageMaker Canvas

  • Introdução à criação de modelos no SageMaker Canvas
  • Opções avançadas para criar modelos no SageMaker Canvas
  • Avaliar um modelo no SageMaker Canvas
  • Fazer previsões e implantar um modelo no SageMaker Canvas

Conclusão

  • Teste de conhecimento
  • Conclusão


Laboratório 3: Criar um modelo personalizado usando o Amazon SageMaker Canvas

Laboratório 4: Laboratório final de ML sem código


Módulo 4: IA generativa usando o SageMaker Canvas

Como usar este curso

Modelos de base no SageMaker Canvas

  • IA generativa usando o Amazon SageMaker Canvas
  • Modelos de base do SageMaker Canvas
  • Comparar modelos de base

Mitigar os desafios dos modelos de base no SageMaker Canvas

  • Alucinações de modelo
  • Geração aumentada de recuperação (RAG)
  • Ajustar modelos de base

Conclusão

  • Teste de conhecimento
  • Conclusão


Módulo 5: Práticas recomendadas do SageMaker Canvas

Como usar este curso

Práticas recomendadas

  • Obter acesso ao SageMaker Canvas
  • Atualizar a versão do SageMaker Canvas
  • Reduzir custos com o SageMaker Canvas

Conclusão

  • Conclusão


Palavras-chave

GenAI

IA generativa


Reviews

Start your review of Machine learning e IA generativa na AWS sem código (inclui laboratórios) (Português) | No-code Machine Learning and Generative AI on AWS (Includes Labs) (Portuguese)

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.