Ich habe die AWS Licensed Machine Studying Specialty-Prüfung am 31. Mai 2023 bestanden. Das Erste, was Sie bei der Suche nach dieser Spezialität feststellen werden, ist, dass sie anders ist, und in mancher Hinsicht anspruchsvoller, als andere von AWS angebotene Zertifizierungen. Im Gegensatz zu anderen Zertifizierungen sind nicht nur Kenntnisse über AWS-Providers erforderlich; es erfordert auch Kenntnisse in maschinellem Lernen und Datenwissenschaft. In diesem Artikel werde ich meine Erfahrungen und einige der Herausforderungen, denen ich mich bei der Vorbereitung auf diese Prüfung stellen musste, besprechen.
Ich bin Softwareentwickler und verfüge zum Zeitpunkt des Verfassens dieses Artikels über etwa zwei Jahre Berufserfahrung. Mein Hauptaugenmerk liegt auf der Backend-Entwicklung mit dem Spring Boot-Framework. Zum Zeitpunkt der Prüfung hatte ich kaum oder gar keine Kenntnisse über AWS-Dienste. Ich habe nur kurz mit AWS interagiert, während ich an einer Speech-to-Textual content-Anwendung gearbeitet habe, für die ich Amazon Transcribe verwendet habe. Darüber hinaus hatte ich ein ganzheitliches Verständnis von maschinellem Lernen und KI im Allgemeinen. Obwohl ich ein echtes Interesse an diesem Bereich hatte, hatte ich keine praktische Erfahrung mit der Arbeit an einem ML-Produkt oder einer ML-Dienstleistung.
Ich habe die oben genannten empfohlenen Erfahrungskriterien nicht erfüllt offizielle Seite für diese Zertifizierung. Und der Grund, dies zu erwähnen, besteht darin, hervorzuheben, dass Sie diesen Check bestehen können, solange Sie über solide Grundlagen in der Informatik und ein echtes Interesse an Cloud und maschinellem Lernen verfügen. Allerdings würde es unzählige Stunden des Lernens erfordern, da der Check versucht, Sie zu verwirren, indem er Sie anhand komplizierter Konzepte und Szenarien testet. Idealerweise wird empfohlen, vor dem Versuch dieses Exams eine einfachere Zertifizierung (Affiliate- oder Skilled-Ebene) durchzuführen. Wenn Sie jedoch direkt mit AWS Machine Studying Specialty beginnen möchten, ist dies möglich. Solange Sie additionally bereit sind, die Herausforderung anzunehmen und genügend Zeit und Mühe in die Vorbereitung zu investieren, sollte alles in Ordnung sein.
Bevor ich auf die Gründe für die Teilnahme an diesem Check eingehe, möchte ich betonen, dass der Erwerb von AWS-Zertifizierungen keine Garantie für einen Arbeitsplatz darstellt. Es kann Ihre Chancen auf eine Anstellung erhöhen, ist aber nicht der richtige Anreiz, es anzunehmen. Sie können auch ohne diese Zertifizierung einen guten Job bekommen, solange Sie über gute Fähigkeiten verfügen. Warum sollten Sie additionally diese Zertifizierung absolvieren? Für mich persönlich struggle der Hauptgrund für die Teilnahme, mein Wissen über die Cloud und maschinelles Lernen zu erweitern.
Die Informatik ist ein sich ständig weiterentwickelndes Gebiet und jeder Entwickler muss über die neuen Entwicklungen auf dem Laufenden bleiben, zumindest in seinem Bereich. Ich habe mich schon immer für maschinelles Lernen interessiert, hatte aber nie die Gelegenheit, mich eingehend mit seinen Konzepten zu befassen. Darüber hinaus basierten die meisten Projekte, an denen ich gearbeitet hatte, auf der Cloud, daher wollte ich lernen, wie sie hinter den Kulissen funktionieren. Daher struggle die Teilnahme an dieser Zertifizierung für mich eine Gelegenheit, diese Technologien eingehend kennenzulernen. Darüber hinaus stellte es für mich eine unterhaltsame Herausforderung dar, die mich dazu brachte, meine Komfortzone des Alltags zu verlassen und meine Freizeit zum Verbessern meiner Fähigkeiten zu nutzen.
Entsprechend der Prüfungsleitfaden Verfügbar auf der offiziellen AWS Machine Studying Specialty-Prüfungsseite. Es werden vier Bereiche abgedeckt:
Dieser Bereich steht nicht in direktem Zusammenhang mit maschinellem Lernen, ist jedoch ein wesentlicher Bestandteil des Umgangs mit unseren Daten, bevor sie Modellen für maschinelles Lernen zugänglich gemacht werden. In diesem Bereich geht es uns darum, wie wir Daten in Datenspeichern oder Repositorys auf AWS sammeln, speichern und umwandeln. Darüber hinaus muss dieser Prozess in großem Maßstab durchgeführt werden, wenn wir über große Datenmengen verfügen. Daher werden AWS-Providers für die Verarbeitung solch großer Datenmengen besprochen.
In diesem Bereich wenden wir datenwissenschaftliche Prinzipien an, um wichtige Informationen aus unseren Rohdaten zu extrahieren. In quick allen praktischen Fällen müssen die Daten, die wir gesammelt und in unseren Datenbanken gespeichert haben, etwas optimiert werden, bevor sie von unseren Modellen verwendet werden können. Es ist auch wichtig, Verzerrungen aus diesen Daten zu entfernen, damit die Modelle für maschinelles Lernen, die anhand dieser Daten trainiert werden, nicht verzerrt sind. Dies ist ein entscheidender Schritt vor dem Coaching unserer Modelle.
Dieser Teil ist der Kern der Prüfung, da er das Herzstück des maschinellen Lernens ist. In diesem Bereich wird behandelt, wie die Modelle für maschinelles Lernen erstellt werden und welche Modelle bereits in AWS verfügbar sind. Es ist auch wichtig, alle vorgefertigten maschinellen Lerndienste zu kennen, die AWS bereitstellt. Dies ist wahrscheinlich der schwierigste Teil, da der Check Ihre Fähigkeiten zur Gestaltung effizienten maschinellen Lernens beurteilen wird. Denken Sie daran, dass es wichtiger und anspruchsvoller ist, die beste Lösung zu finden, als eine Lösung zu finden.
DevOps und CI/CD sind zu einem integralen Bestandteil moderner Projekte geworden und AWS bietet Providers zur Integration dieser Praktiken für die Bereitstellung Ihrer Modelle. In diesem Teil werden die Finest Practices für die Modellbereitstellung und -überwachung erläutert, die zu minimalen Ausfallzeiten führen.
Sobald Sie eine klare Vorstellung davon haben, was Sie in der Prüfung erwartet, ist es wichtig, einen Zeitplan zu erstellen, der Ihnen dabei hilft, Ziele und Meilensteine für die Vorbereitung festzulegen. Wie viel Zeit professional Tag können Sie für die Vorbereitung aufwenden? Wie intestine sind Ihre Kenntnisse in den einzelnen Bereichen? Was sind Ihre Stärken und Ihre Schwächen?
Sobald Sie diese Fragen beantwortet haben, haben Sie eine ungefähre Vorstellung davon, wie Sie Ihre Zeit für die Vorbereitung einteilen können. Hier ist zum Beispiel ein Beispiel dafür, wie ich einen Zeitplan für mich selbst entworfen habe:
Woche 1
Erstellen Sie ein AWS-Konto
Datentechnik
Woche 2
Explorative Datenanalyse
Lösen Sie AWS-Beispielfragen
Woche Nr. 3
Modellieren
Üben Sie, ein Modell von Grund auf zu erstellen
Woche Nr. 4
Implementierung und Betrieb
Kostenlose AWS-Beispielprüfung
Melden Sie sich zur Prüfung an
Woche Nr. 5
Überarbeiten Sie alle Konzepte
Machen Sie mehr Übungstests
Woche Nr. 6
Überarbeiten Sie es ein zweites Mal und schließen Sie eventuelle Wissenslücken
Muss ich den Check verschieben?
