AWS Certified Machine Learning Study Guide: Specialty (MLS-C01)
(MLS-C01.AE1) / ISBN : 978-1-64459-387-5
Über diesen Kurs
Erwerben Sie mit dem Kurs und Labor „AWS Certified Machine Learning Study Guide: Specialty (MLS-C01)“ die erforderlichen Fähigkeiten zum Bestehen der AWS ML Specialty-Prüfung. Das Labor bietet eine praxisnahe Lernerfahrung im Bereich maschinelles Lernen in einer sicheren Online-Umgebung. Dieser Kurs soll Ihnen die Konzepte und Prinzipien hinter ML vermitteln, mit dem praktischen Ziel, die Prüfung zum AWS Certified Machine Learning Specialty zu bestehen. Dieser Kurs richtet sich an Fachleute, die in den Bereichen Data Science und Machine Learning Engineers tätig sind.
Fähigkeiten, die Sie erwerben werden
Die Zertifizierung „AWS Certified Machine Learning – Specialty“ bestätigt Ihr Verständnis der grundlegenden ML-Konzepte, der Grundlagen der Statistik, der Datenanalyse, der Exploration, des Feature Engineering und der gängigen ML-Algorithmen. Darüber hinaus konzentriert sich diese Zertifizierung auf Ihre Fähigkeit, diese Lösungen auf AWS einzusetzen und eine End-to-End-Lösung auf AWS zu entwickeln, von der Datenaufnahme bis zur Modellbereitstellung und -überwachung unter Verwendung einer Vielzahl relevanter AWS-Dienste für einen bestimmten geschäftlichen Anwendungsfall.
Holen Sie sich die Unterstützung, die Sie brauchen. Melden Sie sich für unseren Kurs mit Lehrer an.
Unterricht
18+ Unterricht | 259+ Übungen | 168+ Tests | 188+ Karteikarten | 89+ Glossar der Begriffe
Testvorbereitung
50+ Fragen vor der Beurteilung | 2+ Ausführliche Tests | 55+ Fragen nach der Bewertung | 110+ Testfragen zur Praxis
Praktische Übungen
26+ LiveLab | 28+ Videoanleitungen | 01:08+ Hours
Introduction
- The AWS Certified Machine Learning Specialty Exam
- Study Guide Features
- AWS Certified Machine Learning Specialty Exam Objectives
AWS AI ML Stack
- Amazon Rekognition
- Amazon Textract
- Amazon Transcribe
- Amazon Translate
- Amazon Polly
- Amazon Lex
- Amazon Kendra
- Amazon Personalize
- Amazon Forecast
- Amazon Comprehend
- Amazon CodeGuru
- Amazon Augmented AI
- Amazon SageMaker
- AWS Machine Learning Devices
- Summary
- Exam Essentials
Supporting Services from the AWS Stack
- Storage
- Amazon VPC
- AWS Lambda
- AWS Step Functions
- AWS RoboMaker
- Summary
- Exam Essentials
Business Understanding
- Phases of ML Workloads
- Business Problem Identification
- Summary
- Exam Essentials
Framing a Machine Learning Problem
- ML Problem Framing
- Recommended Practices
- Summary
- Exam Essentials
Data Collection
- Basic Data Concepts
- Data Repositories
- Data Migration to AWS
- Summary
- Exam Essentials
Data Preparation
- Data Preparation Tools
- Summary
- Exam Essentials
Feature Engineering
- Feature Engineering Concepts
- Feature Engineering Tools on AWS
- Summary
- Exam Essentials
Model Training
- Common ML Algorithms
- Local Training and Testing
- Remote Training
- Distributed Training
- Monitoring Training Jobs
- Debugging Training Jobs
- Hyperparameter Optimization
- Summary
- Exam Essentials
Model Evaluation
- Experiment Management
- Metrics and Visualization
- Summary
- Exam Essentials
Model Deployment and Inference
- Deployment for AI Services
- Deployment for Amazon SageMaker
- Advanced Deployment Topics
- Summary
- Exam Essentials
Application Integration
- Integration with On-Premises Systems
- Integration with Cloud Systems
- Integration with Front-End Systems
- Summary
- Exam Essentials
Operational Excellence Pillar for ML
- Operational Excellence on AWS
- Summary
- Exam Essentials
Security Pillar
- Security and AWS
- Secure SageMaker Environments
- AI Services Security
- Summary
- Exam Essentials
Reliability Pillar
- Reliability on AWS
- Change Management for ML
- Failure Management for ML
- Summary
- Exam Essentials
Performance Efficiency Pillar for ML
- Performance Efficiency for ML on AWS
- Summary
- Exam Essentials
Cost Optimization Pillar for ML
- Common Design Principles
- Cost Optimization for ML Workloads
- Summary
- Exam Essentials
Recent Updates in the AWS AI/ML Stack
- New Services and Features Related to AI Services
- New Features Related to Amazon SageMaker
- Summary
- Exam Essentials
AWS AI ML Stack
- Detecting Objects in an Image
- Using Amazon Translate
- Using Amazon Transcribe and Polly
- Using Amazon SageMaker
Supporting Services from the AWS Stack
- Creating an AWS Lambda Function
- Using Step Functions
Data Collection
- Creating an Amazon DynamoDB Table
- Creating a Kinesis Firehose Delivery Stream
Data Preparation
- Using Amazon Athena
- Using AWS Glue
Model Training
- Performing the K-Means Clustering
- Creating Amazon EventBridge Rules that React to Events
- Creating a CloudWatch Dashboard and Adding a Metric to it
- Creating CloudTrail
Model Deployment and Inference
- Deploying an ML Model Using AWS SageMaker
Application Integration
- Creating an AWS Backup
- Creating a Model
Operational Excellence Pillar for ML
- Enabling Versioning in the Amazon S3 Bucket
Security Pillar
- Using Amazon EC2
- Configuring a Key
- Using Amazon SageMaker Notebook Instance
- Attaching an AWS IAM Role to an Instance
Reliability Pillar
- Understanding Production Security
- Creating an Auto Scaling Group
Performance Efficiency Pillar for ML
- Creating an Amazon EFS
Recent Updates in the AWS AI/ML Stack
- Creating an Amazon Redshift Cluster
Haben Sie Fragen? Schauen Sie sich die FAQs an
Sie haben noch unbeantwortete Fragen und möchten Kontakt aufnehmen?
Kontaktiere uns jetztBevor Sie diese Prüfung ablegen, wird empfohlen, über Folgendes zu verfügen:
- Mindestens zwei Jahre praktische Erfahrung in der Entwicklung, Architektur und Ausführung von ML- oder Deep-Learning-Workloads in der AWS Cloud
- Fähigkeit, die Intuition hinter grundlegenden ML-Algorithmen zum Ausdruck zu bringen
- Erfahrung durch Durchführung grundlegender Hyperparameteroptimierung
- Erfahrung mit ML- und Deep-Learning-Frameworks
- Fähigkeit, bewährte Methoden für Modelltraining, Bereitstellung und Betrieb zu befolgen
300 USD
PSI oder Pearson VUE
Multiple-Choice und Multiple-Response
Die Prüfung umfasst 65 Fragen.
180 Minuten
750
(auf einer Skala von 100-1000)
Falls Sie eine AWS-Zertifizierungsprüfung nicht bestehen, können Sie die Prüfung unter folgenden Bedingungen wiederholen:
- Ab dem Tag der Nichtteilnahme an der Prüfung müssen Sie 14 Tage warten.
- Die Prüfungsgebühr muss bei jedem Prüfungsversuch von den Kandidaten bezahlt werden.
In der Regel drei Jahre