A certificação **AWS Machine Learning Specialty** valida sua experiência na criação, treinamento e implantação de modelos de ML na AWS. Abrange SageMaker, engenharia de dados e serviços de IA.
Resposta : Capturar eventos com Amazon Kinesis Data Streams, processar com AWS Lambda e armazenar perfis de usuário/itens em Amazon DynamoDB para inferência rápida.
Sistemas de recomendação eficazes exigem a capacidade de processar dados de comportamento do usuário em tempo real e responder com baixa latência. A combinação de serviços de streaming (Kinesis), computação serverless (Lambda) e bancos de dados NoSQL de alta performance (DynamoDB) é uma arquitetura comum para construir esses sistemas.
Resposta : Amazon SageMaker
O Amazon SageMaker é um serviço de machine learning totalmente gerenciado que permite aos desenvolvedores e cientistas de dados construir, treinar e implantar modelos de ML rapidamente. Ele simplifica cada etapa do ciclo de vida do ML, desde a anotação de dados até a implantação do modelo.
Resposta : Amazon EMR com Apache Spark para processamento em lote e Amazon OpenSearch Service para análise
O Amazon EMR (Elastic MapReduce) permite executar frameworks de big data como Apache Spark, Hadoop e Presto em clusters escaláveis. O Apache Spark é amplamente utilizado para processamento de dados em lote e análise de grandes conjuntos de dados. O Amazon OpenSearch Service (anteriormente Elasticsearch Service) é uma ferramenta poderosa para análise de logs e busca em tempo real.
Resposta : AWS CodePipeline
A integração e implantação contínuas (CI/CD) são práticas essenciais para automatizar o ciclo de vida de desenvolvimento de software. O AWS CodePipeline permite modelar, visualizar e automatizar os fluxos de trabalho de liberação, conectando diferentes serviços da AWS para criar pipelines robustos.
Resposta : Utilizar AWS Identity and Access Management (IAM) para controlar o acesso ao endpoint
A segurança é fundamental em qualquer implantação de ML. O AWS Identity and Access Management (IAM) é um serviço central para gerenciar o acesso aos recursos da AWS. Ao aplicar políticas IAM aos endpoints de inferência, você pode garantir que apenas entidades autenticadas e autorizadas possam invocar seu modelo.