Amazon

AWS Certified Machine Learning Study Guide: Specialty (MLS-C01)

(MLS-C01.AE1) / ISBN : 978-1-64459-387-5
Dieser Kurs beinhaltet
Lessons
TestPrep
Hands-On Labs
AI Tutor (Hinzufügen Auf)
48 Rezension
Holen Sie sich eine kostenlose Testversion

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

Kursübersicht herunterladen

1

Introduction

  • The AWS Certified Machine Learning Specialty Exam
  • Study Guide Features
  • AWS Certified Machine Learning Specialty Exam Objectives
2

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
3

Supporting Services from the AWS Stack

  • Storage
  • Amazon VPC
  • AWS Lambda
  • AWS Step Functions
  • AWS RoboMaker
  • Summary
  • Exam Essentials
4

Business Understanding

  • Phases of ML Workloads
  • Business Problem Identification
  • Summary
  • Exam Essentials
5

Framing a Machine Learning Problem

  • ML Problem Framing
  • Recommended Practices
  • Summary
  • Exam Essentials
6

Data Collection

  • Basic Data Concepts
  • Data Repositories
  • Data Migration to AWS
  • Summary
  • Exam Essentials
7

Data Preparation

  • Data Preparation Tools
  • Summary
  • Exam Essentials
8

Feature Engineering

  • Feature Engineering Concepts
  • Feature Engineering Tools on AWS
  • Summary
  • Exam Essentials
9

Model Training

  • Common ML Algorithms
  • Local Training and Testing
  • Remote Training
  • Distributed Training
  • Monitoring Training Jobs
  • Debugging Training Jobs
  • Hyperparameter Optimization
  • Summary
  • Exam Essentials
10

Model Evaluation

  • Experiment Management
  • Metrics and Visualization
  • Summary
  • Exam Essentials
11

Model Deployment and Inference

  • Deployment for AI Services
  • Deployment for Amazon SageMaker
  • Advanced Deployment Topics
  • Summary
  • Exam Essentials
12

Application Integration

  • Integration with On-Premises Systems
  • Integration with Cloud Systems
  • Integration with Front-End Systems
  • Summary
  • Exam Essentials
13

Operational Excellence Pillar for ML

  • Operational Excellence on AWS
  • Summary
  • Exam Essentials
14

Security Pillar

  • Security and AWS
  • Secure SageMaker Environments
  • AI Services Security
  • Summary
  • Exam Essentials
15

Reliability Pillar

  • Reliability on AWS
  • Change Management for ML
  • Failure Management for ML
  • Summary
  • Exam Essentials
16

Performance Efficiency Pillar for ML

  • Performance Efficiency for ML on AWS
  • Summary
  • Exam Essentials
17

Cost Optimization Pillar for ML

  • Common Design Principles
  • Cost Optimization for ML Workloads
  • Summary
  • Exam Essentials
18

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

1

AWS AI ML Stack

  • Detecting Objects in an Image
  • Using Amazon Translate
  • Using Amazon Transcribe and Polly
  • Using Amazon SageMaker
2

Supporting Services from the AWS Stack

  • Creating an AWS Lambda Function
  • Using Step Functions
3

Data Collection

  • Creating an Amazon DynamoDB Table
  • Creating a Kinesis Firehose Delivery Stream
4

Data Preparation

  • Using Amazon Athena
  • Using AWS Glue
5

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
6

Model Deployment and Inference

  • Deploying an ML Model Using AWS SageMaker
7

Application Integration

  • Creating an AWS Backup
  • Creating a Model
8

Operational Excellence Pillar for ML

  • Enabling Versioning in the Amazon S3 Bucket
9

Security Pillar

  • Using Amazon EC2
  • Configuring a Key
  • Using Amazon SageMaker Notebook Instance
  • Attaching an AWS IAM Role to an Instance
10

Reliability Pillar

  • Understanding Production Security
  • Creating an Auto Scaling Group
11

Performance Efficiency Pillar for ML

  • Creating an Amazon EFS
12

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 jetzt

Bevor 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

Erfahren Sie mehr über das MLS-C01

AWS Certified Machine Learning Study Guide: Specialty (MLS-C01)

$ 279.99

Kaufe jetzt
Scrolle nach oben