Machine Learning University
A Machine Learning University (MLU) oferece a qualquer pessoa, em qualquer lugar e a qualquer momento, acesso aos mesmos cursos de machine learning usados para treinar os próprios desenvolvedores da Amazon sobre machine learning. Com a MLU, todos os desenvolvedores podem aprender a usar machine learning com a série de aprendizagem Accelerator da MLU em seu próprio ritmo. A série Accelerator da MLU foi projetada como um pontapé na sua jornada de ML, com três cursos básicos de três dias sobre processamento de linguagem natural, dados tabulares e visão computacional. Após a conclusão da série Accelerator, o curso Decision Trees and Ensemble Methods oferece uma série mais avançada de palestras de cinco dias sobre modelos baseados em árvores e conjuntos. Por meio de vídeos sequenciais no YouTube gravados por cientistas da Amazon com exemplos práticos, cadernos Jupyter e apresentações de slides, a MLU fornece um roteiro abrangente de autoatendimento para você entender os fundamentos do machine learning. Os materiais do curso estão disponíveis no GitHub. Consulte abaixo para obter mais detalhes sobre nossos cursos.
Comece a usar
Os cursos oferecidos pela Machine Learning University são os mesmos usados para treinar os próprios desenvolvedores da Amazon nos fundamentos do machine learning. É fácil começar a usar a MLU, e ela oferece aos alunos uma estrutura de aprendizado individualizada e flexível.
Revisão dos conceitos básicos
Para começar a usar a MLU, todos os usuários devem criar uma conta da AWS. Também é recomendável que os alunos tenham uma compreensão básica e familiaridade com o Python para aproveitar ao máximo esse conteúdo. Se você não tem familiaridade com o Python, confira alguns dos nossos outros recursos de aprendizado para obter tutoriais introdutórios.
Escolha um roteiro de aprendizado
Escolha um dos três roteiros de aprendizado com base nas suas necessidades. Cada roteiro de aprendizado inclui palestras no YouTube, slides, exercícios práticos e cadernos Jupyter no GitHub.
Comece a aprender
Os alunos têm acesso a cadernos e slides no GitHub para acompanhar as palestras em vídeo, que oferecem a capacidade de orientação individualizada por aulas e atividades práticas. Siga seu próprio ritmo e escolha as aulas e os temas mais relevantes para você.
Processamento de linguagem natural
Resumo do curso
Este curso foi criado para ajudar você a começar a usar o processamento de linguagem natural (PLN) e aprender a usar o PLN em vários casos de uso. Ele abordará temas como modelos baseados em árvore, processamento de texto e regressão, ajuste de hiperparâmetros, redes neurais recorrentes, mecanismo de atenção e transformadores.
Conteúdo do curso
Confira a página do GitHub para ver detalhes das aulas, projetos, cadernos e muito mais.
Dados tabulares
Resumo do curso
Saiba como começar a usar dados tabulares (semelhantes a planilhas) e conheça as técnicas de machine learning amplamente usadas para manipular esses dados. Esse curso abordará tópicos como engenharia de recursos, conjuntos e modelos baseados em árvores, modelos de regressão, redes neurais e AutoML.
Conteúdo do curso
Confira a página do GitHub para ver detalhes das aulas, projetos, cadernos e muito mais.
Visão computacional
Resumo do curso
Com esse curso, você obterá as habilidades necessárias para começar a trabalhar com visão computacional. Você aprenderá sobre classificação de imagens, redes neurais convolucionais, aprendizado por transferência, detecção de objetos e segmentação semântica.
Conteúdo do curso
Confira a página do GitHub para ver detalhes das aulas, projetos, cadernos e muito mais.
Árvores de decisão e métodos de conjunto
Resumo do curso
Comece com modelos baseados em árvores e de conjuntos nesta aula. Neste curso, você aprenderá sobre árvores de decisão, impurezas, compensação entre viés e variância, florestas aleatórias, proximidades, importância de recursos e reforço.
Conteúdo do curso
Confira a página do GitHub para ver detalhes das aulas, projetos, cadernos e muito mais.
IA responsável: imparcialidade e atenuação de viés
Resumo do curso
Este curso foi elaborado para apresentar várias dimensões da IA responsável, com foco em critérios de imparcialidade e atenuação de viés. Conheça diferentes critérios de imparcialidade, medidas de viés e técnicas de atenuação de viés.
Conteúdo do curso
Confira a página do GitHub para ver detalhes das aulas, projetos, cadernos e muito mais.
Mais recursos
Aprofundamento em machine learning
Aprimore seus conhecimentos e habilidades sobre os serviços de ML da AWS.
AWS Training and Certification
Explore cursos e treinamentos guiados para todos os níveis de experiência em ML do AWS Training and Certification.
Tutoriais práticos
Use esses tutoriais rápidos para começar a usar os serviços de ML da AWS e seus casos de uso comuns.