Exam Prep: AWS Certified Machine Learning Engineer

Exam Prep: AWS Certified Machine Learning Engineer – Associate (MLA-C01)EPCMLEAAWAmazon Web ServicesAW-EPCMLEA1.0In diesem Kurs werden Sie lernen: <ul> <li>Identifizieren Sie den Umfang und den Inhalt der Prüfung zum AWS Certified Machine Learning Engineer - Associate (MLA-C01).</li><li>Üben Sie prüfungsähnliche Fragen und bewerten Sie Ihre Vorbereitungsstrategie.</li><li>Untersuchung von Anwendungsfällen und Unterscheidung zwischen ihnen.</li></ul>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: <ul> <li>Empfohlen wird 1 Jahr Erfahrung in einer verwandten Funktion, z. B. als Backend-Softwareentwickler, DevOps-Entwickler, Data Engineer oder Data Scientist.</li><li>Grundlegendes Verständnis der gängigen ML-Algorithmen und ihrer Anwendungsfälle</li><li>Grundlagen der Datentechnik, einschliesslich der Kenntnis gängiger Datenformate, der Datenaufnahme und -umwandlung für die Arbeit mit ML-Datenpipelines</li><li>Kenntnisse in der Abfrage und Umwandlung von Daten</li><li>Kenntnisse über bewährte Verfahren der Softwaretechnik für die Entwicklung von modularem, wiederverwendbarem Code, die Bereitstellung und das Debugging</li><li>Vertrautheit mit der Bereitstellung und Überwachung von ML-Ressourcen in der Cloud und vor Ort</li><li>Erfahrung mit kontinuierlicher Integration und kontinuierlicher Bereitstellung (CI/CD) und Infrastruktur als Code (IaC)</li><li>Erfahrung mit Code-Repositories für Versionskontrolle und CI/CD-Pipelines</li></ul>Empfohlene AWS-Kenntnisse Es wird empfohlen, dass die Lernenden in der Lage sind, die folgenden Aufgaben zu erfüllen: <ul> <li>Empfohlen: 1 Jahr Erfahrung mit Amazon SageMaker AI und anderen AWS-Diensten für ML-Engineering.</li><li>Kenntnisse der KI-Funktionen und Algorithmen von Amazon SageMaker für die Modellerstellung und -bereitstellung</li><li>Kenntnisse der AWS-Datenspeicher- und -verarbeitungsdienste zur Vorbereitung von Daten für die Modellierung</li><li>Vertrautheit mit der Bereitstellung von Anwendungen und Infrastruktur auf AWS</li><li>Kenntnisse der Überwachungswerkzeuge für die Protokollierung und Fehlerbehebung bei ML-Systemen</li><li>Kenntnisse der AWS-Dienste für die Automatisierung und Orchestrierung von CI/CD-Pipelines</li><li>Kenntnisse der bewährten AWS-Sicherheitsverfahren für Identitäts- und Zugriffsmanagement, Verschlüsselung und Datenschutz</li></ul>Dieser Kurs richtet sich an Personen, die sich auf die Prüfung zum AWS Certified Machine Learning Engineer - Associate (MLA-C01) vorbereiten.Dieser Kurs umfasst Präsentationen zum Thema, prüfungsähnliche Fragen, Anwendungsfälle sowie Gruppendiskussionen und Aktivitäten.Einführung Bereich 1: Datenvorbereitung für maschinelles Lernen (ML) <ul> <li>1.1 Einlesen und Speichern von Daten.</li><li>1.2 Daten transformieren und Feature Engineering durchführen.</li><li>1.3 Sicherstellung der Datenintegrität und Vorbereitung der Daten für die Modellierung.</li></ul>Bereich 2: ML-Modellentwicklung <ul> <li>2.1 Wählen Sie einen Modellierungsansatz.</li><li>2.2 Modelle trainieren und verfeinern.</li><li>2.3 Analysieren Sie die Leistung des Modells.</li></ul>Bereich 3: Bereitstellung und Orchestrierung von ML-Workflows <ul> <li>3.1 Auswahl der Bereitstellungsinfrastruktur auf der Grundlage der bestehenden Architektur und der Anforderungen.</li><li>3.2 Erstellen und Skripten der Infrastruktur auf der Grundlage der bestehenden Architektur und Anforderungen.</li><li>3.3 Einsatz von automatisierten Orchestrierungswerkzeugen zur Einrichtung von kontinuierlicher Integration und kontinuierlicher Bereitstellung</li><li>(CI/CD) Pipelines.</li></ul>Bereich 4: Überwachung, Wartung und Sicherheit von ML-Lösungen <ul> <li>4.1 Modellinterferenzen überwachen.</li><li>4.2 Überwachung und Optimierung der Infrastrukturkosten.</li><li>4.3 Sichere AWS-Ressourcen.</li></ul>Abschluss des KursesDieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <a class="fl-href-prod" href="/swisscom/en/course/amazon-epcmlea"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>hier</a>.In diesem Kurs werden Sie lernen: - Identifizieren Sie den Umfang und den Inhalt der Prüfung zum AWS Certified Machine Learning Engineer - Associate (MLA-C01). - Üben Sie prüfungsähnliche Fragen und bewerten Sie Ihre Vorbereitungsstrategie. - Untersuchung von Anwendungsfällen und Unterscheidung zwischen ihnen.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 DatenschutzDieser Kurs richtet sich an Personen, die sich auf die Prüfung zum AWS Certified Machine Learning Engineer - Associate (MLA-C01) vorbereiten.Dieser Kurs umfasst Präsentationen zum Thema, prüfungsähnliche Fragen, Anwendungsfälle sowie Gruppendiskussionen und Aktivitäten.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 KursesDieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.1 Tag675.00930.00900.00750.00450.00750.00750.00750.00750.00750.00