Kursus AWS Machine Learning Specialty
Kursus AWS ML Specialty terstruktur tentang rekayasa data, pelatihan model, keamanan, deployment, monitoring, MLOps, dan optimasi, dengan soal.
Kemajuan kursus
0 / 5
Kembali ke kursus
Yang akan Anda pelajari
- Menjelaskan data.
- Menjelaskan pelatihan.
- Menjelaskan keamanan.
- Menjelaskan deployment.
- Menjelaskan monitoring.
Sebelum mulai
- Pengetahuan AWS dasar membantu.
- Disarankan dasar Python atau ML.
- Tidak perlu sertifikasi AWS sebelumnya.
Pelajaran 1 Rekayasa dan Persiapan Data
S3 menyimpan data, Athena query, Glue menyiapkan, dan feature store berbagi fitur. Data Wrangler mempersiapkan visual. Bagi data train, validation, test, normalisasi, hindari data leakage. Berlatihlah dengan contoh, tinjau setiap kesalahan, dan ulangi topik terlemah setiap minggu agar berkembang.
Contoh
Contoh: tim menyimpan transaksi di S3, Glue membersihkan, feature store berbagi fitur, lalu membagi dataset menjadi train, validation, test.Pelajaran 2 Pelatihan Model dan Algoritma
Linear Learner regresi, XGBoost klasifikasi, K-Means klaster, PCA reduksi dimensi. Hyperparameter dan epoch mengontrol pelatihan. Early stopping dan transfer learning cegah overfitting. Berlatihlah dengan contoh, tinjau setiap kesalahan, dan ulangi topik terlemah setiap minggu agar berkembang.
Contoh
Contoh: tim regresi memakai Linear Learner, early stopping, dan confusion matrix untuk evaluasi.Pelajaran 3 Keamanan dan Kepatuhan
IAM kontrol akses, KMS enkripsi, VPC isolasi, VPC endpoint akses privat. TLS lindungi transit dan CloudTrail audit API. Terapkan hak minimum. Berlatihlah dengan contoh, tinjau setiap kesalahan, dan ulangi topik terlemah setiap minggu agar berkembang.
Contoh
Contoh: workload kesehatan memakai KMS, VPC, private endpoint, dan hak minimum.Pelajaran 4 Deployment dan Inferensi
Endpoint real-time melayani prediksi, batch transform memproses batch, pipeline merangkai kontainer. Autoscaling menyesuaikan kapasitas dan varian mendukung A/B testing. Berlatihlah dengan contoh, tinjau setiap kesalahan, dan ulangi topik terlemah setiap minggu agar berkembang.
Contoh
Contoh: pengecer memakai real-time endpoint untuk rekomendasi, batch transform untuk skor malam, dan autoscaling untuk lonjakan trafik.Pelajaran 5 Monitoring, MLOps, dan Optimasi
CloudWatch memonitor, Model Monitor deteksi drift, Experiments melacak, Pipelines mengotomasi, Clarify deteksi bias. Gunakan Spot, distributed training, Autopilot, dan right-sizing. Berlatihlah dengan contoh, tinjau setiap kesalahan, dan ulangi topik terlemah setiap minggu agar berkembang.