Machine Learning Engineering on AWS

Este curso foi desenvolvido para profissionais interessados em criar, implantar e operacionalizar modelos de machine learning na AWS. Isso pode incluir engenheiros de machine learning atuais e em treinamento que podem ter pouca experiência anterior com a AWS. Outras funções que podem se beneficiar desse treinamento são engenheiro de DevOps, desenvolvedor e engenheiro de SysOps.

Ter participado do curso AWS Cloud Practitioner Essentials, ou ter conhecimentos sobre conceitos básicos de machine learning, programação em Python com bibliotecas como NumPy, Pandas e Scikit-learn, além de familiaridade com computação em nuvem e serviços da AWS. Experiência com Git é desejável, mas não obrigatória.

Preparatório para o exame AWS Certified Machine Learning Engineer – Associate (MLA-C01).

📢 PROMOÇÃO: RETAKE Gratuito 

➡️ Válido para compras de 21/05 até 31/08/25

➡️ 1º exame deve ser realizado até 30/10/25 e o retake até 20/01/26

* O exame não está incluso na contratação, adquira aqui.

1. Introdução ao Machine Learning (ML) na AWS

• Introdução ao ML
• IA do Amazon SageMaker
• ML responsável

2. Analisando os desafios do Machine Learning (ML)

• Avaliando os desafios de negócios do ML
• Abordagens de treinamento de ML
• Algoritmos de treinamento de ML

3. Processamento de dados para aprendizado de máquina (ML)

• Preparação e tipos de dados
• Análise exploratória dos dados
• Opções de armazenamento da AWS e escolha de armazenamento

4. Transformação de dados e engenharia de recursos

• Manipulando dados incorretos, duplicados e ausentes
• Conceitos de engenharia de recursos
• Técnicas de seleção de recursos
• Serviços de transformação de dados da AWS

5. Escolhendo uma abordagem de modelagem

• Algoritmos integrados de IA do Amazon SageMaker
• Piloto automático do Amazon SageMaker
• Selecionando algoritmos de treinamento internos
• Considerações sobre a seleção de modelos
• Considerações sobre o custo do ML

6. Treinamento de modelos de aprendizado de máquina (ML)

• Conceitos de treinamento de modelo
• Treinamento de modelos no Amazon SageMaker AI

7. Avaliando e ajustando modelos de aprendizado de máquina (ML)

• Avaliando o desempenho do modelo
• Técnicas para reduzir o tempo de treinamento
• Técnicas de ajuste de hiperparâmetros

8. Estratégias de implantação de modelos

• Considerações de implantação e opções de destino
• Estratégias de implantação
• Escolhendo uma estratégia de inferência de modelo
• Tipos de contêiner e instância para inferência

9. Proteção de recursos do AWS Machine Learning (ML)

• Controle de acesso
• Controles de acesso à rede para recursos de ML
• Considerações de segurança para pipelines de CI/CD

10. Operações de Machine Learning (MLOps) e Implantação Automatizada

• Introdução ao MLOps
• Automatizando testes em pipelines de CI/CD
• Serviços de entrega contínua

11. Monitorando o desempenho do modelo e a qualidade dos dados

• Detectando desvios em modelos de ML
• Monitor de modelo do SageMaker
• Monitoramento da qualidade dos dados e da qualidade do modelo
• Correção automatizada e solução de problemas

* os conteúdos podem sofrer alterações, visando melhorias e atualizações, sem prévio aviso

Ao contratar esse treinamento você ganhará o curso Linux Essentials (16h).

• Aulas ao vivo com Instrutor credenciado e laboratórios oficiais;
• Apostila digital oficial (em inglês) e certificado de participação;
• Acesso a nossa plataforma de ensino imersiva e interativa com acompanhamento do seu progresso e avaliação das aulas.

O prazo máximo é de 6 meses para realizar a totalidade dos cursos e exames adquiridos, contados a partir da contratação.