This comprehensive guide prepares you for the AWS Certified Machine Learning Specialty (MLS-C01) exam. You'll gain expertise in designing machine learning solutions and deploying models on the AWS cloud.
Through detailed explanations of AWS services and machine learning concepts, you’ll build the knowledge necessary to succeed in real-world applications of machine learning. The course offers a practical approach to mastering AWS machine learning, covering everything from data preparation and transformation to model deployment using Amazon SageMaker.
You'll also dive into machine learning algorithms, optimization techniques, and the implementation of AI/ML services on AWS. What sets this course apart is its focus on exam preparation combined with professional skills development.
You’ll work through mock exams, self-assessment questions, and tips to ensure you're fully ready for the MLS-C01 certification, while also gaining hands-on experience with AWS services. This course is designed for students and professionals aiming to pass the AWS MLS-C01 exam or deepen their understanding of machine learning on AWS.
Prior knowledge of machine learning and AWS services is recommended to make the most of this content. This course is based on the book AWS Certified Machine Learning - Specialty (MLS-C01) Certification Guide, by Samanath Nanda, and Weslley Moura.
- Fondamentaux de l'apprentissage automatique
Ce module introduit les concepts fondamentaux de l'apprentissage automatique, y compris le cycle de vie des modèles, la séparation des données et les techniques de validation. Les apprenants découvriront comment préparer et évaluer les jeux de données, appliquer la validation croisée et comprendre l'importance de mélanger les données pour éviter le surajustement. À la fin, les participants seront dotés de compétences essentielles pour construire et évaluer des modèles d'apprentissage automatique.
- Services AWS pour le stockage de données
Ce module présente les services de stockage de données AWS de base, notamment S3, EBS et RDS, et montre comment créer et gérer des ressources de stockage. Les apprenants exploreront le contrôle d'accès, le cryptage et les meilleures pratiques pour sécuriser et organiser les données dans le cloud AWS. Des exercices pratiques vous guident à travers la configuration du stockage et la compréhension des différences entre les types de stockage.
- Services AWS pour la migration et le traitement des données
Ce module introduit les services clés AWS pour la migration, le stockage et le traitement des données, y compris une expérience pratique avec AWS Glue, Kinesis Data Firehose et DataSync. Les apprenants découvriront comment déplacer les données entre les solutions de stockage, transformer les données pour l'analyse et traiter de grands ensembles de données à l'aide d'outils AWS gérés. À la fin, vous comprendrez les flux de travail pratiques pour les scénarios réels de migration et de traitement des données.
- Préparation et transformation des données
Ce module guide les apprenants à travers les techniques essentielles de préparation des données, y compris la transformation des caractéristiques catégorielles et numériques, la gestion des valeurs aberrantes et des jeux de données déséquilibrés, ainsi que le traitement des données textuelles pour l'apprentissage automatique. Vous explorerez des méthodes pratiques telles que le codage, la normalisation, la standardisation et le TF-IDF pour garantir que vos données sont prêtes pour la modélisation. À la fin, vous serez équipé pour relever les défis courants des données et améliorer la qualité de vos pipelines d'apprentissage automatique.
- Compréhension et visualisation des données
Ce module introduit les principes de la visualisation efficace des données et l'importance d'une communication claire pour la présentation des résultats analytiques. Les apprenants exploreront les techniques fondamentales pour comprendre et représenter visuellement les données afin de garantir que les informations sont accessibles et percutantes.
- Application des algorithmes d'apprentissage automatique
Ce module guide les apprenants à travers l'application pratique des principaux algorithmes d'apprentissage automatique, y compris la régression linéaire, la classification, le regroupement et la réduction de dimension. Vous acquerrez une expérience pratique dans la construction de modèles à partir de zéro, l'évaluation de leurs performances, et la compréhension de concepts essentiels tels que la parcimonie, la stationnarité et la qualité des groupes. À la fin, vous serez équipé pour sélectionner et implémenter des algorithmes appropriés pour diverses tâches de science des données.
- Évaluation et optimisation des modèles
Ce module guide les apprenants à travers le processus d'évaluation des performances des modèles d'apprentissage automatique en utilisant des métriques clés d'évaluation. Vous explorerez comment interpréter la précision, le rappel, le score F1 et l'AUC, et apprendrez des stratégies pour optimiser les modèles en fonction de ces métriques.
- Services d'application AWS pour l'IA/ML
Ce module introduit les services clés AWS pour les applications d'intelligence artificielle et d'apprentissage automatique, y compris des outils pour la conversion de texte en parole, la reconnaissance vocale, le traitement du langage naturel, la traduction, l'extraction de documents et la création de chatbots. Les apprenants découvriront comment tirer parti de ces services gérés pour résoudre des défis commerciaux réels et automatiser des flux de travail complexes.
- Modélisation avec Amazon SageMaker
Ce module guide les apprenants à travers les aspects pratiques de la construction, de l'entraînement et du déploiement de modèles d'apprentissage automatique en utilisant Amazon SageMaker. Vous explorerez les formats de stockage de données, sélectionnerez les types d'instances appropriés, configurerez l'évolutivité, sécuriserez votre environnement et utiliserez des outils de débogage pour surveiller et optimiser vos modèles.
- Déploiement de modèles
Ce module vous guide à travers le processus de configuration et de déploiement des modèles d'apprentissage automatique en utilisant les services AWS. Vous apprendrez à configurer des déclencheurs d'événements et à finaliser les paramètres de déploiement pour les fonctions Lambda, permettant une inférence de modèle automatisée et évolutive. À la fin, vous serez équipé pour opérationnaliser vos modèles dans des environnements réels.
