From 4d048dc239e94b910b83b6e4bff1d69f2b33c3a4 Mon Sep 17 00:00:00 2001 From: LEANDRO DE OLIVEIRA GONCALLOS <90851539+goncallos@users.noreply.github.com> Date: Wed, 10 Jul 2024 13:07:17 -0300 Subject: [PATCH] Update README.md O melhor do canvas --- README.md | 48 +++++------------------------------------------- 1 file changed, 5 insertions(+), 43 deletions(-) diff --git a/README.md b/README.md index 1a30b99..268963d 100644 --- a/README.md +++ b/README.md @@ -1,47 +1,9 @@ -# 📊 Previsão de Estoque Inteligente na AWS com [SageMaker Canvas](https://aws.amazon.com/pt/sagemaker/canvas/) +i! Estou trabalhando em um sistema bem legal para ajudar no cadastro de clientes em financiamentos de veículos usando o Amazon SageMaker Canvas. Aqui vai um resumo descontraído do que estou fazendo: -Bem-vindo ao desafio de projeto "Previsão de Estoque Inteligente na AWS com SageMaker Canvas. Neste Lab DIO, você aprenderá a usar o SageMaker Canvas para criar previsões de estoque baseadas em Machine Learning (ML). Siga os passos abaixo para completar o desafio! +🚀 O Projeto: Facilitando o Cadastro de Clientes -## 📋 Pré-requisitos +ℹ️ Amazon SageMaker Canvas: Usando essa ferramenta poderosa para analisar dados e melhorar nosso processo de vendas. -Antes de começar, certifique-se de ter uma conta na AWS. Se precisar de ajuda para criar sua conta, confira nosso repositório [AWS Cloud Quickstart](https://github.com/digitalinnovationone/aws-cloud-quickstart). +🛠️ Desafios: Nosso maior desafio é criar dados de qualidade para treinar o SageMaker Canvas. Quanto mais precisos os dados, melhores serão nossas previsões e recomendações. - -## 🎯 Objetivos Deste Desafio de Projeto (Lab) - -![image](https://github.com/digitalinnovationone/lab-aws-sagemaker-canvas-estoque/assets/730492/72f5c21f-5562-491e-aa42-2885a3184650) - -- Dê um fork neste projeto e reescreva este `README.md`. Sinta-se à vontade para detalhar todo o processo de criação do seu Modelo de ML para uma "Previsão de Estoque Inteligente". -- Para isso, siga o [passo a passo] descrito a seguir e evolua as suas habilidades em ML no-code com o Amazon SageMaker Canvas. -- Ao concluir, envie a URL do seu repositório com a solução na plataforma da DIO. - - -## 🚀 Passo a Passo - -### 1. Selecionar Dataset - -- Navegue até a pasta `datasets` deste repositório. Esta pasta contém os datasets que você poderá escolher para treinar e testar seu modelo de ML. Sinta-se à vontade para gerar/enriquecer seus próprios datasets, quanto mais você se engajar, mais relevante esse projeto será em seu portfólio. -- Escolha o dataset que você usará para treinar seu modelo de previsão de estoque. -- Faça o upload do dataset no SageMaker Canvas. - -### 2. Construir/Treinar - -- No SageMaker Canvas, importe o dataset que você selecionou. -- Configure as variáveis de entrada e saída de acordo com os dados. -- Inicie o treinamento do modelo. Isso pode levar algum tempo, dependendo do tamanho do dataset. - -### 3. Analisar - -- Após o treinamento, examine as métricas de performance do modelo. -- Verifique as principais características que influenciam as previsões. -- Faça ajustes no modelo se necessário e re-treine até obter um desempenho satisfatório. - -### 4. Prever - -- Use o modelo treinado para fazer previsões de estoque. -- Exporte os resultados e analise as previsões geradas. -- Documente suas conclusões e qualquer insight obtido a partir das previsões. - -## 🤔 Dúvidas? - -Esperamos que esta experiência tenha sido enriquecedora e que você tenha aprendido mais sobre Machine Learning aplicado a problemas reais. Se tiver alguma dúvida, não hesite em abrir uma issue neste repositório ou entrar em contato com a equipe da DIO. +🌟 Meta Final: Tornar o cadastro de clientes mais fácil e eficiente, proporcionando uma experiência incrível para todos os envolvidos.