В декабре 2019 года я сдал сертификационный экзамен по машинному обучению AWS (MLS-C01) с первой попытки.
Для энтузиастов науки о данных, желающих подтвердить свой опыт в развертывании моделей глубокого обучения, я рекомендую сдать специальный экзамен AWS по машинному обучению. Согласно AWS, сертификация — помогает организациям выявлять и развивать таланты с критически важными навыками для реализации облачных инициатив, а также подтверждает опыт в создании, обучении, настройке и развертывании моделей машинного обучения (ML) — с помощью AWS. Платформа. Обратите внимание, какие навыки должны быть у обладателя специальности, а какие нет на экзамене. Согласно AWS, экзамен проверяет 3 области компетенции и 4 домена.
Области компетенции включают:
1. Выберите и обоснуйте подходящий подход ML для данной бизнес-задачи.
2. Определите подходящие сервисы AWS для внедрения решений машинного обучения.
3. Разработайте и внедрите масштабируемые, экономичные, надежные и безопасные решения машинного обучения.
Четыре основных домена включают:
1. Инжиниринг данных — создание репозиториев данных и конвейеров ETL.
2. Исследовательский анализ данных — обработка, проектирование признаков, визуализация.
3. Моделирование — выбор модели, оптимизация модели, оценка модели.
4. Внедрение и эксплуатация машинного обучения — развертывание модели, контейнеризация, масштабируемость.
Что это значит?
Владелец специальности должен эффективно развертывать модели машинного обучения с использованием платформы AWS. Например, они понимают, как внедрить решение для приема данных с помощью Kinesis, Glue, EMR и S3. Они понимают разницу между AWS Batch и AWS Step Functions. Они знают, как автоматизировать задание ETL с помощью AWS Glue, и они знают, что Glue выполняет задания, используя сценарии Spark под капотом.
Обладатель специальности должен понимать, как создавать триггеры событий с помощью AWS Event Bridge (ранее — Cloud Watch Events) и как эти события могут запускать предварительную обработку, обучение и тестирование модели с использованием инструментов AWS, таких как конвейеры Sagemaker. Обладатели специальности должны подробно разбираться в архитектуре модели AI/ML, включая архитектуру нейронной сети (слои/узлы), скорость обучения, функции активации, прямое и обратное продвижение.
Специализированный владелец не …
Обладатели специальности обычно не являются инженерами DevOps и инженерами глубокого обучения. По сути, специальный экзамен не охватывает подробно CloudFormation или Terraform, а также сложные математические доказательства или алгоритмы. Опыт обладателя специальности зависит от его способности разрабатывать и развертывать сложные решения машинного обучения. Более того, их внимание сосредоточено на оптимизации архитектуры модели ML. Другими словами, предметом экзамена является TensorFlow, а не Terraform. Опыт Scikit-learn, но не Дженкинс.
Как я сдал специальный экзамен AWS по машинному обучению?
Для начала у меня есть опыт работы в области статистики, эконометрики, науки о данных и степень магистра делового администрирования Чикагского университета. Несмотря на это, машинное обучение было новым навыком. Чтобы начать свое путешествие, я прошел курсы Эндрю Нг «Нейронные сети и специализация глубокого обучения» и «Улучшение глубоких нейронных сетей: настройка гиперпараметров, регуляризация и оптимизация, специализация» на Coursera. Затем я закончил Udacity Deep Learning Engineering Nano Degree.
Практический опыт работы с Sagemaker
Наностепень Udacity Deep Learning Engineering, посвященная обучению, тестированию и развертыванию моделей с использованием AWS Sagemaker, была именно тем, что я искал. Кроме того, курс предоставил практический опыт использования сред глубокого обучения, таких как PyTorch, TensorFlow и Keras, для создания CNN для распознавания изображений, RNN для генерации последовательностей, GAN для генерации изображений и развертывания моделей с использованием AWS Sagemaker. Наконец, я прошел курс «AWS Certified Machine Learning Specialty — Hands On» Udemy, который вели Фрэнк Кейн и Стефан Маарек.
Курс Udemy — Фрэнк Кейн и Стефан Маарек
На мой взгляд, это один из лучших курсов для изучения лучших практик машинного обучения в AWS. Сочетание курса Udemy и DLND сделало сдачу специализированного экзамена по машинному обучению AWS интуитивно понятным, и я сдал его с первой попытки. В заключение, чтобы сдать экзамен по специальности машинного обучения AWS, необходимо получить практический опыт работы с платформами глубокого обучения, использующими Sagemaker. Это делает экзамен интуитивно понятным и простым. Надеюсь, это поможет!
Полезные ссылки:
Сертифицированная специальность AWS по машинному обучению 2022 — Практика! | Удемы
Глубокое обучение | Онлайн-курс по глубокому обучению (udacity.com)
Дополнительные материалы на PlainEnglish.io. Подпишитесь на нашу бесплатную еженедельную рассылку новостей. Подпишитесь на нас в Twitter и LinkedIn. Присоединяйтесь к нашему сообществу Discord.
