Pular para o conteúdo
Bruno Dórea
Todos os posts

3 mins de leitura


Identificando os Benefícios do SageMaker Canvas

Explorando o SageMaker Canvas com Lógica de Programação - 1/3


Bootcamp Nexa - Machine Learning para Iniciantes na AWS
Bootcamp Nexa - Machine Learning para Iniciantes na AWS

Descrição

Dentre os benefícios do SageMaker Canvas, constam: ML sem código, modelos de base prontos para uso, suporte ao ciclo de vida completo do ML e o impulsionamento da colaboração entre analistas de negócios e equipes de ciência de dados. Com base nisso, complete o código deste desafio, associando os benefícios do SageMaker Canvas com suas respectivas descrições.

Entrada

A entrada consiste no benefício do SageMaker Canvas para o qual você deve retornar a descrição. Neste contexto, os seguintes benefícios são considerados válidos para este desafio de código:

  • "ML sem código"
  • "Modelos de base prontos para uso"
  • "Suporta todo o ciclo de vida do ML"
  • "Impulsiona a colaboração"

Saída

A saída esperada é a descrição associada ao benefício fornecido como entrada. Seguem as saídas possíveis, listadas aleatoriamente, para que você possa analisar e associar corretamente:

  • "Suporte a todo o ciclo de vida do Machine Learning"
  • "Todos os modelos criados podem ser compartilhados"
  • "Interface visual intuitiva e simples"
  • "Acesso a Modelos de base (FMs) prontos para uso"

Exemplos

A tabela abaixo apresenta exemplos com alguns dados de entrada e suas respectivas saídas esperadas. Certifique-se de testar seu programa com esses exemplos e com outros casos possíveis.

EntradaSaída
Suporta todo o ciclo de vida do MLSuporte a todo o ciclo de vida do Machine Learning
Impulsiona a colaboraçãoTodos os modelos criados podem ser compartilhados
ML sem códigoInterface visual intuitiva e simples

Resolução

entrada = input()
 
def descrever_beneficio(beneficio):
	if beneficio == "Suporta todo o ciclo de vida do ML":
			return "Suporte a todo o ciclo de vida do Machine Learning"
			
	elif beneficio == "Impulsiona a colaboração":
	    return "Todos os modelos criados podem ser compartilhados"
	    
	elif beneficio == "ML sem código":
	    return "Interface visual intuitiva e simples"
	    	    	
	elif beneficio == "Modelos de base prontos para uso":
	    return "Acesso a Modelos de base (FMs) prontos para uso"
 
print(descrever_beneficio(entrada))

Para encontrar outras soluções, verifique aqui.

Caso encontre algum erro ou tenha sugestões, clique aqui e abra uma issue no Github.