Экзамен был очень сложным и буквально поставил меня на колени, но главное не сдаваться, сохранять концентрацию и просто делать это!

Amazon Web Services не нуждается в представлении в современном мире, и, поскольку на эти услуги приходится почти 13% доходов компании, это один из лучших вариантов для облачных вычислений. Кстати, 13 лет — это количество лет опыта, которое я также набрал в своей карьере в области ИТ, но, оглядываясь назад, я понял, что еще не занимался наукой о данных. Кроме того, в эпоху COVID у меня было несколько дополнительных часов в моем распоряжении. Так я начал работать с машинным обучением.

Прежде чем двигаться дальше, просто уточните контекст моих компетенций (или нет), чтобы люди знали о моем прошлом и определенном опыте, связанном с этой сертификацией. У меня есть -

  • Предыдущий опыт в Devops → У меня было представление о CI/CD/сетевой топологии/базе данных/UNIX/промежуточном программном обеспечении.
  • Сертификат AWS Developer Associate (получил в 2016 г.) → У меня был опыт работы с экзаменом AWS/сервисами/терминологией AWS.
  • Опыт работы с базовыми сервисами AWS → У меня были практические знания AWS
  • Пробовал свои силы ранее на курсе Udacity ML, 2 года назад (не мог найти время, чтобы закончить) → Значит, я был знаком с очень (очень) основами ML (обучение с учителем / без учителя)
  • Больше года слушаю подкасты TED → Слушал экспертов в области AI & ML и чего они добились на практике

Короче говоря, это не было с чистого листа, прежде чем я начал снова, но вышеперечисленное, вероятно, составляет всего 10% в контексте экзамена.

Как бы то ни было, 6 месяцев назад я начал искать в Интернете информацию о том, как начать путешествие, и после просмотра достаточного количества контента я нашел явного победителя — 11-недельный курс Эндрю Нг Машинное обучение. Инфлюенсер по машинному обучению и основатель Coursera снова не нуждается в представлении, и этот курс дал мне:

  1. Обзор алгебры, векторов и математики высшего порядка
  2. Взгляд на алгоритмы машинного обучения
  3. Немного об Octave и о том, как кодировать с его помощью, конечно же, руководство предоставлено.
  4. Методы настройки алгоритмов с помощью ВИЗУАЛИЗАЦИИ (очень важно)
  5. Практический опыт и глубокое понимание ML

Более того, прохождение 11-недельного курса во время пандемии дало мне некоторое направление и цель. Небольшие ежедневные усилия действительно помогли, и окончание курса дало мне уверенность в том, что я готов к работе! Я думаю, что в целом этот курс способствовал получению сертификата на 30%.

Затем я сосредоточился на acloudguru, среде, которая очень помогла мне пройти курс AWS Associate Developer. Хотя в то время он составлял 60%, в отличие от их курса машинного обучения, вероятно, на этот раз он составил только 20%. Это понятно еще и потому, что специальность ML — это курс близкого к профессиональному уровню. Во всяком случае, что я получил от этого курса:

  1. Широта содержания сертификации и затронутых тем
  2. Практические экзамены в конце каждого модуля
  3. Демонстрация Sagemaker и его возможностей (очень важно)
  4. Обзор различных сервисов в стеке AI & ML
  5. Какие ресурсы изучить больше (важно)

Несмотря на то, что этот курс не сильно помог в сертификации, возможно, на 15%, он определенно помог тем или иным образом преодолеть черту.

На этом этапе я думал, что прошёл 80% и изучения дополнительного материала, рекомендованного курсом acloudguru, будет достаточно. Однако, когда я пошел дальше и посмотрел на примеры экзаменационных вопросов, я был немного ошеломлен! Это заставило меня осознать, что я нахожусь там только на 30% (долина неопределенности). Но оглядываться назад нельзя, и, поскольку это экзамен AWS, лучший способ подготовиться — обратиться за помощью к AWS!

Прочитал все FAQ(подробно) и Whitepapers (сверху застеклено), представленные на странице подготовки. Что бы я не понимал, я искал дополнительную информацию в Интернете, продолжая соединять точки. Следующей самооценкой стал курс Готовность к экзамену, предложенный AWS. Учебные материалы Post AWS I:

  1. Удалось получить больше информации о терминологии, характерной для AWS.
  2. Понимание операций и развертываний машинного обучения (даже больше)
  3. Дополнительные сведения об инженерии данных
  4. Выявил свои слабые места с помощью викторины (очень важно)

Прочитав рекомендованную AWS документацию, я почувствовал себя немного более комфортно и, вероятно, непринужденно. Тем не менее, это было много материала, и, просматривая свои заметки пару раз, я хорошо тренировал свой мозг. Это способствовало сертификации на 30%.

Помимо этих ресурсов, я слушал и пытался понять важные концепции из этих онлайн-видеоресурсов, на долю которых приходилось 25%:

  1. Тюнинг модели Sagemaker — https://www.youtube.com/watch?v=ynYnZywayC4&t=213s
  2. Развертывание модели — https://www.youtube.com/watch?v=dT8jmdF-ZWw
  3. Вызов конечной точки Sagemaker — https://www.youtube.com/watch?v=i6FcFZyy2N0&t=484s
  4. Сборка, обучение, развертывание на Sagemaker — https://www.youtube.com/watch?v=R0vC31OXt-g&t=1755s
  5. Кинезис — https://www.youtube.com/watch?v=jKPlGznbfZ0&t=1282s

Все вышеперечисленное содержание и подготовка выглядят много, хотя, поверьте мне, каждая мелочь пригодилась во время экзамена. Вот несколько советов по подготовке к экзамену:

  1. Запланируйте свой экзамен — это ключ к серьезному отношению к нему, а также к тому, чтобы подтолкнуть себя к этому.
  2. Старайтесь проводить осмотр ближе к началу дня, когда ваш мозг свеж (я запланировал его на поздний вечер, и мое тело сильно поплатилось за это)
  3. Во время экзамена ПРОЧИТАЙТЕ ВОПРОС очень внимательно, минимум 2 раза. Сосредоточьтесь на ключевых словах в вопросе.
  4. Попробуйте исключить варианты, основанные на ключевых словах, указанных выше, выберите вариант, НАИБОЛЕЕ подходящий для вопроса.
  5. Отмечайте вопросы для проверки и возвращайтесь к ним, у меня было отмечено 35 из 65 вопросов.
  6. Не сдавайтесь, даже если вы чувствуете, что у вас нет окончательных ответов, ПРОДОЛЖАЙТЕ ЭТО. Иногда у вас не будет ответов на 4-5 вопросов подряд, ничего страшного, вернитесь к ним.

Честно говоря, в сертификации четко указано, что она рекомендуется для людей, которые имеют «рабочие знания» в течение как минимум 1-2 лет в создании, обучении и развертывании моделей машинного обучения. Но я взял на себя тяжелую миссию и поэтому, наверное, мне пришлось сильно попотеть во время подготовки и даже во время экзамена. Однако главное, как всегда, настойчивость!

Надеюсь, вы все найдете информацию выше полезной и справитесь с ней, удачи! Для меня получение этого сертификата было особенным, перешагнуть черту всегда приятно, это так.

О, и если вам интересно, почему Nike упоминается, я читал книгу Shoe Dog, пока готовился к экзамену, поэтому подумал, что она заслуживает упоминания!