Amazon Web Services(AWS)가 제공하는 이 기초 수준 과정에서는 AWS Certified Machine Learning Engineer - Associate(MLA-C01) 시험 준비 상태를 평가하는 방법을 알아봅니다. 이 시험은 AWS 클라우드를 사용하여 기계 학습(ML) 솔루션을 구축, 운영, 유지 관리하는 응시자의 능력을 검증합니다.
시험의 주제 영역과 이 주제 영역이 Developing on AWS 및 특정 학습 영역과 어떻게 연결되는지 살펴봄으로써 시험을 준비하십시오. 영역별로 그룹화된 각 태스크 설명의 주제와 개념에 대한 이해도를 평가하십시오. 핸즈온랩 연습과 시험 유형 문제에 대한 설명을 통해 지식을 강화하고 필요한 학습을 식별합니다. 강사의 시험 유형 문제 검토 과정을 따라가십시오. 오답을 식별하는 시험 응시 전략을 알아보십시오. 그런 다음 공식 사전 테스트를 통해 응시 준비 상태를 점검합니다.
고급 시험 준비 과정은 자신 있게 시험을 준비하는 데 사용할 수 있는 4단계 플랜 중 한 단계입니다. 포괄적인 4단계 플랜의 리소스에 액세스하려면 고급 시험 준비 플랜: AWS Certified Machine Learning Engineer - Associate(MLA-C01)에 등록하십시오. 이 플랜에는 역할 기반 교육, 핸즈온랩, 체험 학습, 추가 시험 유형 문제, 사전 테스트, 플래시 카드가 포함됩니다. AWS Skill Builder에 이미 로그인한 경우 이 링크 버전을 사용하여 플랜에 액세스할 수 있습니다.
AWS는 지속적인 개발의 일환으로 서비스와 기능을 업데이트하고 때때로 사용 중지합니다. 시험 준비 콘텐츠는 정기적으로 업데이트되지만, 짧은 기간 동안 AWS 서비스의 현재 상태가 교육 과정에 반영되지 않을 수 있습니다. 서비스 및 기능의 현재 가용성에 대한 가장 정확한 최신 정보를 보려면 최신 AWS 설명서와 공지 사항을 확인하는 것이 좋습니다.
2024년 말, AWS는 본 과정에 포함된 몇 가지를 포함하여 신규 고객을 위한 다양한 서비스 또는 기능에 대한 액세스를 제거한다고 발표했습니다. 여기에는 AWS CodeCommit, AWS DataPipeline, Amazon S3 Select, Amazon Glacier Select 및 Amazon Forecast가 포함됩니다. 다음 과정 업데이트에서 참조를 제거할 예정입니다.
과정 수준: 기초
소요 시간: 12.75시간
활동
이 과정에 포함된 활동은 다음과 같습니다.
• 전문 강사가 프레젠테이션을 통해 시험 유형 문제를 검토하는 동영상.
• 기술 준비 상태를 검증하는 데 도움이 되는 실습(Builder Labs)
• AWS Certification 시험과 동일한 스타일로 출제된 공식 연습 문제(문제 세트, 보너스 문제, 사전 테스트). 모든 문제에는 시험을 준비하는 데 도움이 되는 자세한 피드백과 권장 리소스가 포함되어 있습니다.
과정 목표
이 과정에서는 다음을 수행합니다.
1. AWS Certified Machine Learning Engineer - Associate(MLA-C01) 시험에서 테스트하는 지식을 이해합니다.
2. 시험 주제에 대한 지식이 부족한 부분을 평가합니다.
3. 시험에 응시할 준비가 되었는지 평가합니다.
수강 대상
이 과정은 다음 요구 사항을 충족하는 개인을 대상으로 합니다.
1. Amazon SageMaker 및 기타 AWS 서비스를 ML 엔지니어링에 사용한 1년 이상의 경험.
2. 백엔드 소프트웨어 개발자, DevOps 개발자, 데이터 엔지니어, 데이터 과학자 등 관련 역할에서 1년 이상의 경험.
3. AWS Certified Machine Learning Engineer - Associate(MLA-C01) 시험 준비 중.
사전 조건
AWS Certified Machine Learning Engineer - Associate(MLA-C01) 시험에 응시하라면 다음 사전 조건을 갖추어야 합니다.
일반 IT 지식
학습자는 다음 조건을 갖추어야 합니다.
• 일반적인 ML 알고리즘과 사용 사례에 대한 기본적 이해
• ML 데이터 파이프라인 작업을 위한 일반적인 데이터 형식, 수집, 변환에 대한 지식을 포함한 데이터 엔지니어링 기초
• 데이터 쿼리 및 변환에 대한 지식
• 재사용 가능한 모듈식 코드 개발, 배포, 디버깅 관련 소프트웨어 엔지니어링 모범 사례에 대한 지식
• 클라우드 및 온프레미스 ML 리소스의 프로비저닝 및 모니터링에 익숙함
• 지속적 통합 및 지속적 전달(CI/CD) 파이프라인 및 코드형 인프라(IaC) 경험
• 버전 제어 및 CI/CD 파이프라인을 위한 코드 리포지토리 경험
권장 AWS 지식
학습자는 다음을 수행할 수 있어야 합니다.
• 모델 구축과 배포를 위한 SageMaker 기능 및 알고리즘에 대한 지식
• 모델링용 데이터 준비를 위한 AWS 데이터 스토리지 및 처리 서비스에 대한 지식
• AWS 기반 애플리케이션 및 인프라 배포에 대한 지식
• ML 시스템 로깅 및 문제 해결을 위한 모니터링 도구에 대한 지식
• CI/CD 파이프라인 자동화 및 오케스트레이션을 위한 AWS 서비스에 대한 지식
• 자격 증명 및 액세스 관리, 암호화, 데이터 보호를 위한 AWS 보안 모범 사례에 대한 이해
권장 교육 과정
시험에 응시하기 전에 특정 교육을 수강할 필요는 없지만 이전 두 섹션에 설명된 기본 교육과 지식을 갖추고 있는 것이 좋습니다. 배운 지식을 상기하려면 고급 시험 준비 계획: AWS Certificed Machine Learning - Associate(MLA-C01)에 등록하십시오. 학습 플랜에는 다음 권장 과정이 모두 포함됩니다. AWS Skill Builder에 이미 로그인한 경우 이 링크 버전을 사용하여 플랜에 액세스할 수 있습니다.
디지털 과정
• Collect, Ingest, and Store Data(45분)
• Transform Data(1시간)
• Validate Data and Prepare for Modeling(45분)
• Choose a Modeling Approach(1시간)
• Train Models(1시간)
• Refine Models(1시간)
• Analyze Model Performance(45분)
• Select a Deployment Infrastructure(1시간 15분)
• Create and Script Infrastructure(1시간)
• Automate Deployment(1시간)
• Monitor Model Inference(45분)
• Monitor and Optimize Infrastructure and Costs(45분)
• Secure AWS Resources(30분)
체험 및 게임 기반 학습
• Machine Learning: Model Deployment Using Blue/Green Method(2시간)
• Amazon SageMaker Data Wrangler와 Amazon EMR을 사용하여 데이터 분석 및 준비(1시간)
• Train a Model with Amazon SageMaker(50분)
• AWS Cloud Quest: Machine Learning(시간 가변적)
과정 개요
모듈 1: 시험 유형 문제로 시험에 대해 알아보기
• AWS Certified Machine Learning Engineer - Associate(MLA-C01) 소개
• 시험 가이드: AWS Certified Machine Learning Engineer - Associate(MLA-C01)
• 시험 유형 문제 소개
• 개요 및 지침: 공식 연습 문제 세트
• 공식 연습 문제 세트: AWS Certified Machine Learning Engineer - Associate(MLA-C01)
2단계: AWS 지식 및 기술 떠올리기
• AWS 교육 제안 사항
• 백서 및 FAQ
모듈 3: 복습 및 연습
기계 학습 소개
• 기계 학습 개요
• 기계 학습 수명 주기
•
영역 1: 기계 학습(ML)을 위한 데이터 준비
• 소개
• 1.1 데이터 수집 및 스토리지
• 1.2 데이터 변환 및 특성 추출 수행
• 1.3 데이터 무결성 보장 및 모델링을 위한 데이터 준비
• 복습 및 실습
• 연습 문제
• 실습 평가: Amazon SageMaker Data Wrangler를 사용하여 데이터 준비
• 보너스 문제
• 추가 리소스
• 플래시 카드
영역 2: ML 모델 개발
• 소개
• 2.1 모델링 접근 방식 선택
• 2.2 모델 훈련 및 개선
• 2.3 모델 성능 분석
• 복습 및 실습
• 연습 문제
• 실습 평가
• 보너스 문제
• 추가 리소스
• 플래시 카드
영역 3: ML 워크플로 배포 및 오케스트레이션
• 소개
• 3.1 기존 아키텍처 및 요구 사항을 기반으로 배포 인프라 선택.
• 3.2 기존 아키텍처 및 요구 사항을 기반으로 인프라 생성 및 스크립팅.
• 3.3 자동화된 오케스트레이션 도구를 사용하여 지속적 통합 및 지속적 전달(CI/CD) 파이프라인 설정.
• 복습 및 실습
• 연습 문제
• 보너스 문제
• 추가 리소스
• 플래시 카드
영역 4: ML 솔루션 모니터링, 유지 관리, 보안
• 소개
• 4.1 모델 추론 모니터링.
• 4.2 인프라 비용 모니터링 및 최적화.
• 4.3 AWS 리소스 보호.
• 복습 및 실습
• 연습 문제
• 실습 평가
• 보너스 문제
• 추가 리소스
• 플래시 카드
모듈 4: 시험 준비 상태 평가
• 공식 사전 테스트 소개
• 개요 및 지침: 공식 사전 테스트
• 공식 사전 테스트: AWS Certified Machine Learning Engineer - Associate(MLA-C01 - 한국어)
