Дата публикации Oct 3, 2019
Я чувствую гордость после очисткиЭкзамен по машинному обучению Amazon Web Services (AWS)на 25.09.2009. Я хотел поблагодарить моих наставников на рабочем месте за поддержку и наставничество в моих вопросах. Отдельное спасибо наставникам и сообществу A Cloud Guru за отличные обсуждения на форумах и лабораторные работы, которые помогли мне выработать концептуальное понимание алгоритмов машинного обучения и AWS Cloud.
Во-первых, в этой сертификации упоминается о необходимости 1-2 года опыта работы в облаке AWS и 6 месяцев в SageMaker. У меня был опыт и знания в области машинного обучения, но я не имел опыта работы с AWS и не имел предварительной сертификации AWS. Это специальный экзамен, аналогичный профессиональному экзамену AWS по уровню сложности вопросов. Мне понадобилось около 2 месяцев, чтобы подготовиться к этому экзамену и очистить его с первой попытки. Некоторые советы и справочные материалы, которые я хотел бы рекомендовать людям для прохождения сертификации:
ПОДГОТОВКА К ЭКЗАМЕНУ:
1. Разделы сертификационного экзамена (4):
а. Разработка больших данных: варианты использования приложений семейства Kinesis, Glue, Athena, S3, Redshift, Data Pipeline в комбинациях
б. Исследовательский анализ данных: обработка данных (объединение, агрегация, обработка пропущенных значений, обнаружение выбросов и т. Д.) Использование Amazon QuickSight и Kinesis Analytics для анализа данных.
с. Машинное обучение: тонкости SageMaker в отношении создания, обучения и развертывания разделов документации SageMaker AWS. Глубокое обучение Концептуальные вопросы (Не ожидал этого. Курс удем по машинному обучению помог охватить эти темы). Переоснащение, недостаточное оснащение, техника SMOTE и т. Д. Также являются одними из распространенных тем. AWS Step Functions новая тема. Должны прочитать. Также прочитайте, как алгоритмы / модели Tensorflow и MXNet Framework используются в SageMaker. Максимальный вес в этом разделе.
д. Эксплуатация и развертывание модели. Этот раздел занял у меня много времени, поскольку я не имел опыта работы с облаком. Методы развертывания, модель и безопасность данных в облачной среде AWS.
2. Справочные материалы:
а.CloudGuru:Весь сертификационный курс ML Specialty с главными тестами для целей сертификации. Экзаменационный симулятор - В нем достаточно вопросов с хорошим разнообразием. Сделайте все лаборатории. Они очень помогают. Практикуйте это до тех пор, пока вы не достигнете где-то 85-90 процентов в симуляторе, а затем остановитесь.
б.Документация по AWS SageMaker и руководство для разработчиков:Прочитайте каждый раздел подробно, чтобы понять концепции хорошо. Функциональные возможности AWS SageMaker, входящие и выходящие, должны быть концептуально понятны, поскольку они сильно сфокусированы.
с.Блоги Amazon ML:Остерегайтесь новых разработок и обновлений через специальные блоги Amazon Machine Learning. Задавалось от 2 до 3 вопросов.
д.AWS Whitepapers:Документы, особенно те, которые охватывают большие данные в AWS. Очень хорошо документировано и легче запомнить, когда и когда не следует использовать конкретный сервис или хранилище данных.
е.Udemy Machine Learning Course(https://www.udemy.com/course/machinelearning/): Не обязательно брать это. Пройдите один курс машинного обучения, который проясняет понятия о статике, понимание алгоритма машинного обучения и глубокое понимание обучения.
е.Экзамен Udemy Machine Learning(https://www.udemy.com/course/aws-machine-learning-practice-exam/): Этот курс в любое время стоит проверить в конце. Это настоящий тест, и можно ожидать аналогичного уровня сложности вопросов.
г.Экзамен по специальности Amazon ML:Не то, чтобы полностью полагаться. Они не дают решения или результаты того, где мы сделали неправильно. Просто имейте это в виду при покупке. Это дает секционные оценки / проценты.
СТРАТЕГИЯ ЭКЗАМЕНА:
1.Исправьте себя с фиксированной шкалой времени на вопрос- Вопросы длинные и требуют времени для чтения.
2.Сосредоточьтесь на своих концепциях, чем подход к устранению- Параметры выглядят довольно близко и могут быть раздвоены только при правильном понимании.
3.Ожидать неожидаемое- Большое внимание было уделено чистым алгоритмам ML & DL (не AWS SageMaker) и проблемам нейронной сети, таким как переоснащение, недостаточное оснащение, исчезновение градиента и т. Д. Мой опыт машинного обучения помог мне здесь пройти. Новые концепции можно спросить из опубликованных блогов. Эти блоги обычно публикуются в качестве справочных материалов в материалах курса A Cloud Guru.
4.Предпочитаю обобщать над переоснащением во время практических тестов- Поскольку пока еще мало материалов или практических тестов, мы просто склонны пересматривать и практиковать одни и те же вопросы. Не переусердствуйте с одним пробным тестом слишком много раз, чтобы вы не смогли ответить ни на что, кроме него.
В целом, имел большой опыт подготовки к сертификации, работы над лабораторными работами и упражнениями в среде машинного обучения AWS. Стоит изучить этот сертификат и с нетерпением ждем возможности использовать эти методы здесь, в информационных службах Ченоа.
Спасибо за ваше терпеливое чтение и удачи всем людям, которые планируют принять участие в этом экзамене. Надеюсь, это полезно!
© machinelearningmastery.ru | Ссылки на оригиналы и авторов сохранены. | map