MLA-C01 助理級
Machine Learning Engineer - Associate
主編的話： 為 Machine Learning Engineer - Associate 考試量身整理的學習夥伴，每個領域從頭梳理，搭配實戰練習題與擬真計時模擬考。
65 題 130 分鐘 通過門檻 720／1000 4 個領域 官方考試指南
目錄
I. Data Preparation For Ml 佔 28%
ML 資料擷取與儲存模式 AWS Glue ETL 用於 ML Pipeline SageMaker Data Wrangler 與特徵工程 SageMaker Feature Store — Online vs Offline ML 資料品質、完整性與標籤 II. Ml Model Development 佔 26%
建模方法選擇 — JumpStart、Bedrock、Autopilot 與自訂訓練 SageMaker Training Jobs 與內建演算法 自動模型調優 — Bayesian、Random、Grid 與 Hyperband 超參數最佳化 SageMaker 分散式訓練 模型評估 — SageMaker Debugger、Clarify 與 Experiments III. Deployment And Orchestration Of Ml Workflows 佔 22%
SageMaker Endpoint 類型與選擇——實時、非同步、無伺服器與批次 ML 部署策略——A/B 測試、Shadow、Canary 與 Blue/Green SageMaker Pipelines 與 ML 工作流程編排 ML CI/CD with CodePipeline 與自動再訓練 SageMaker Model Registry 與版本控制 IV. Ml Solution Monitoring Maintenance And Security 佔 24%
SageMaker Model Monitor——資料品質與模型品質 SageMaker Model Monitor——偏差漂移與可解釋性漂移 SageMaker CloudWatch 監控與成本優化 SageMaker 工作負載的 IAM、KMS 與 VPC SageMaker Role Manager 與最小權限模式