Machine Learning Essentials for Business and Technical Decision Makers (Portuguese)

Neste currículo de três cursos, você aprenderá sobre as práticas recomendadas e recomendações para machine learning (ML). O curso explora como criar um roteiro para integrar ML a seus processos de negócios, explora requisitos para determinar se o ML é a solução apropriada para um problema empresarial e descreve os componentes necessários para sua organização adotar ML com sucesso.

• Nível do curso: fundamental
• Duração: 90 minutos

Observação: Este curso tem transcrições/legendas traduzidas. A narração está em inglês. Para exibir as legendas, clique no botão CC no canto inferior direito do player.

Atividades

Este currículo contém cursos com apresentações, vídeos e avaliações de conhecimento.

Objetivos do currículo

Neste currículo, você aprenderá a:

• Entender os conceitos básicos de machine learning para ajudar a avaliar os benefícios e riscos associados à adoção de ML em vários casos de negócios
• Identificar os requisitos de dados, tempo e produção para um projeto de ML bem-sucedido
• Descrever como adaptar uma organização para alcançar e sustentar o sucesso com o uso de ML

Público-alvo

Este currículo destina-se a:

• Líderes empresariais não técnicos e responsáveis por tomar decisões empresariais que estão, ou estarão, envolvidos em projetos de ML
• Participantes do programa AWS Machine Learning Embark e workshops de descoberta do Machine Learning Solutions Lab (MLSL)

Pré-requisitos

Recomendamos que os participantes deste curso tenham:

• Conhecimento básico de computadores e sistemas de computação
• Alguns conhecimentos básicos sobre o conceito de machine learning

Esboço do currículo

Curso 1: Introduction to Machine Learning: Art of the Possible

Módulo 1. Como o machine learning pode me ajudar?

• Definir machine learning
• Descreva o encaminhamento de feedback positivo (flywheel) que impulsiona projetos de ML
• Descrever os diferentes domínios de negócios afetados pelo machine learning
• Descrever o potencial para machine learning em mercados subaproveitados

Módulo 2. Como o machine learning funciona?

• Descrever inteligência artificial
• Descrever a diferença entre inteligência artificial e machine learning

Módulo 3. Quais são alguns dos possíveis problemas do machine learning?

• Descreva as diferenças entre modelos simples e complexos
• Entender problemas de inexplicabilidade e incerteza com modelos de machine learning

Módulo 4. Conclusão

Curso 2: Planning a Machine Learning Project

Módulo 1. Uma solução de machine learning é adequada para meu problema?

• Explique como determinar se o ML é a solução adequada para o problema de sua empresa

Módulo 2. Meus dados estão prontos para machine learning?

• Descrever o processo de garantir que seus dados estejam prontos para o ML

Módulo 3. Como o machine learning afetará o cronograma de um projeto?

• Explicar como o ML pode afetar o cronograma de um projeto

Módulo 4. Que perguntas iniciais devo fazer na implantação?

• Identificar as perguntas a serem feitas que afetem a implantação de ML

Módulo 5. Conclusão

Curso 3: Building a Machine Learning Ready Organization

Módulo 1. Como preparar minha organização para usar ML?

• Como preparar minha organização para usar ML?
• Como a AWS pode me ajudar?
• Que outras estratégias posso adotar para garantir o sucesso organizacional?
• Qual abordagem de mudança cultural serve para minha organização?

Módulo 2. Como faço para avaliar minha estratégia de dados?

• Como faço para avaliar minha estratégia de dados?
• Como melhorar minha estratégia de dados?

Módulo 3. Como criar uma cultura de aprendizado e colaboração?

• Como criar uma cultura de aprendizado e colaboração?
• O que é um cientista de dados?
• Que habilidades um cientista de dados deve ter?
• Como é uma equipe piloto de ML?
• Que outras funções de apoio serão necessárias?
• Quais são as principais responsabilidades?

Módulo 4. Como inicio a minha jornada de ML?

• Como inicio a minha jornada de ML?
• Como é a jornada de ML de uma organização?
• O que é um exemplo de caso de negócios para o desenvolvimento da empresa?

Módulo 5. Conclusão