Exam Prep: AWS Certified Machine Learning Engineer – Associate (MLA-C01) (EPCMLEA) Online

Kursinhalt

Dieser Kurs umfasst Präsentationen zum Thema, prüfungsähnliche Fragen, Anwendungsfälle sowie Gruppendiskussionen und Aktivitäten.

Voraussetzungen

Sie müssen vor der Teilnahme an diesem Kurs keine spezielle Schulung absolvieren. Die folgenden Vorkenntnisse werden jedoch empfohlen, bevor Sie die Prüfung zum AWS Certified Machine Learning Engineer - Associate (MLA-C01) ablegen.

Allgemeine IT-Kenntnisse

Den Lernenden wird empfohlen, Folgendes mitzubringen:

• Empfohlen wird 1 Jahr Erfahrung in einer verwandten Funktion, z. B. als Backend-Softwareentwickler, DevOps-Entwickler, Data Engineer oder Data Scientist.
• Grundlegendes Verständnis der gängigen ML-Algorithmen und ihrer Anwendungsfälle
• Grundlagen der Datentechnik, einschließlich der Kenntnis gängiger Datenformate, der Datenaufnahme und -umwandlung für die Arbeit mit ML-Datenpipelines
• Kenntnisse in der Abfrage und Umwandlung von Daten
• Kenntnisse über bewährte Verfahren der Softwaretechnik für die Entwicklung von modularem, wiederverwendbarem Code, die Bereitstellung und das Debugging
• Vertrautheit mit der Bereitstellung und Überwachung von ML-Ressourcen in der Cloud und vor Ort
• Erfahrung mit kontinuierlicher Integration und kontinuierlicher Bereitstellung (CI/CD) und Infrastruktur als Code (IaC)
• Erfahrung mit Code-Repositories für Versionskontrolle und CI/CD-Pipelines

Empfohlene AWS-Kenntnisse

Es wird empfohlen, dass die Lernenden in der Lage sind, die folgenden Aufgaben zu erfüllen:

• Empfohlen: 1 Jahr Erfahrung mit Amazon SageMaker AI und anderen AWS-Diensten für ML-Engineering.
• Kenntnisse der KI-Funktionen und Algorithmen von Amazon SageMaker für die Modellerstellung und -bereitstellung
• Kenntnisse der AWS-Datenspeicher- und -verarbeitungsdienste zur Vorbereitung von Daten für die Modellierung
• Vertrautheit mit der Bereitstellung von Anwendungen und Infrastruktur auf AWS
• Kenntnisse der Überwachungswerkzeuge für die Protokollierung und Fehlerbehebung bei ML-Systemen
• Kenntnisse der AWS-Dienste für die Automatisierung und Orchestrierung von CI/CD-Pipelines
• Kenntnisse der bewährten AWS-Sicherheitsverfahren für Identitäts- und Zugriffsmanagement, Verschlüsselung und Datenschutz

Zielgruppe

Dieser Kurs richtet sich an Personen, die sich auf die Prüfung zum AWS Certified Machine Learning Engineer - Associate (MLA-C01) vorbereiten.

Detaillierter Kursinhalt

Einführung

Bereich 1: Datenvorbereitung für maschinelles Lernen (ML)

• 1.1 Einlesen und Speichern von Daten.
• 1.2 Daten transformieren und Feature Engineering durchführen.
• 1.3 Sicherstellung der Datenintegrität und Vorbereitung der Daten für die Modellierung.

Bereich 2: ML-Modellentwicklung

• 2.1 Wählen Sie einen Modellierungsansatz.
• 2.2 Modelle trainieren und verfeinern.
• 2.3 Analysieren Sie die Leistung des Modells.

Bereich 3: Bereitstellung und Orchestrierung von ML-Workflows

• 3.1 Auswahl der Bereitstellungsinfrastruktur auf der Grundlage der bestehenden Architektur und der Anforderungen.
• 3.2 Erstellen und Skripten der Infrastruktur auf der Grundlage der bestehenden Architektur und Anforderungen.
• 3.3 Einsatz von automatisierten Orchestrierungswerkzeugen zur Einrichtung von kontinuierlicher Integration und kontinuierlicher Bereitstellung
• (CI/CD) Pipelines.

Bereich 4: Überwachung, Wartung und Sicherheit von ML-Lösungen

• 4.1 Modellinterferenzen überwachen.
• 4.2 Überwachung und Optimierung der Infrastrukturkosten.
• 4.3 Sichere AWS-Ressourcen.

Abschluss des Kurses