Amazon

AWS Certified Machine Learning Study Guide: Specialty (MLS-C01)

Learn, prepare and practice for the AWS exam. Gain real-world experience with hands-on Labs and case studies.

(MLS-C01.AE1) / ISBN : 978-1-64459-387-5
Lessons
Lab
TestPrep
AI Tutor (Añadir)
48 Revisar
Obtenga una prueba gratuita

Acerca de este curso

AWS Certified Machine Learning Study Guide: Specialty (MLS-C01) is a preparatory course that provides a structured and detailed learning approach to pass the certification exam. The course focuses on foundational ML concepts, foundations of statistics, data analysis, exploration, feature engineering, and common ML algorithms. In addition to this, it equips you with the skills to deploy those solutions on AWS and to be able to architect an end-to-end solution on AWS from data ingestion to model deployment and monitoring using a host of relevant AWS services for a given business use case. This AWS Machine Learning course comes with an exam-focused approach curriculum that is totally aligned with the latest exam objectives to help you prepare and pass the exam easily. 

Habilidades que obtendrás

  • Expertise in using AWS AI/ML services like Amazon SageMaker, Amazon Rekognition, and more
  • Understanding of ML algorithms like linear regression, logistic regression, decision trees, random forests, support vector machines, neural networks, and deep learning models
  • Data Science pipelines, the entire ML lifecycle 
  • Awareness of AWS infrastructure services like Amazon S3, Amazon EC2, Amazon RDS, Amazon VPC, and AWS Lambda 
  • Design and implement scalable and cost-effective cloud architectures for ML applications
  • Skilled with deep learning frameworks like TensorFlow and PyTorch, and their application to tasks like image recognition, natural language processing, and time series analysis
  • Understanding of reinforcement learning concepts and algorithms 
  • Tuning hyperparameter to optimize model performance
  • Knowledge of ML deployment models as web services, containerized applications, or serverless functions
  • Utilizing MLOps for managing the entire ML lifecycle, including version control, continuous integration/continuous delivery (CI/CD), and monitoring

Descargar el esquema del curso

1

Introducción

  • El examen de especialidad de aprendizaje automático certificado por AWS
  • Características de la guía de estudio
  • Objetivos del examen de especialidad de aprendizaje automático certificado por AWS
2

Pila de aprendizaje automático de IA de AWS

  • Reconocimiento de Amazon
  • Amazon Textil
  • Transcripción de Amazon
  • Traductor de Amazon
  • polly amazona
  • amazona lex
  • amazona kendra
  • Amazon personalizar
  • Pronóstico de Amazon
  • Amazon comprende
  • Amazon CodeGuru
  • IA aumentada de Amazon
  • Amazon SageMaker
  • Dispositivos de aprendizaje automático de AWS
  • Resumen
  • Fundamentos del examen
3

Servicios de soporte de la pila de AWS

  • Almacenamiento
  • VPC de Amazon
  • AWSLambda
  • Funciones de pasos de AWS
  • AWS RoboMaker
  • Resumen
  • Fundamentos del examen
4

Comprensión empresarial

  • Fases de las cargas de trabajo de ML
  • Identificación de problemas comerciales
  • Resumen
  • Fundamentos del examen
5

Enmarcar un problema de aprendizaje automático

  • Encuadre del problema de ML
  • Prácticas Recomendadas
  • Resumen
  • Fundamentos del examen
6

Recopilación de datos

  • Conceptos básicos de datos
  • Repositorios de datos
  • Migración de datos a AWS
  • Resumen
  • Fundamentos del examen
7

Preparación de datos

  • Herramientas de preparación de datos
  • Resumen
  • Fundamentos del examen
8

Ingeniería de características

  • Conceptos de ingeniería de funciones
  • Herramientas de ingeniería de características en AWS
  • Resumen
  • Fundamentos del examen
9

Entrenamiento modelo

  • Algoritmos comunes de ML
  • Capacitación y pruebas locales
  • Entrenamiento Remoto
  • Entrenamiento Distribuido
  • Supervisión de trabajos de formación
  • Trabajos de entrenamiento de depuración
  • Optimización de hiperparámetros
  • Resumen
  • Fundamentos del examen
10

Evaluación del modelo

  • Gestión de experimentos
  • Métricas y Visualización
  • Resumen
  • Fundamentos del examen
11

Implementación e inferencia de modelos

  • Implementación de servicios de IA
  • Implementación para Amazon SageMaker
  • Temas de implementación avanzada
  • Resumen
  • Fundamentos del examen
12

Integración de aplicaciones

  • Integración con sistemas locales
  • Integración con Sistemas en la Nube
  • Integración con sistemas front-end
  • Resumen
  • Fundamentos del examen
13

Pilar de Excelencia Operacional para ML

  • Excelencia operativa en AWS
  • Resumen
  • Fundamentos del examen
14

Pilar de seguridad

  • Seguridad y AWS
  • Entornos seguros de SageMaker
  • Seguridad de servicios de IA
  • Resumen
  • Fundamentos del examen
15

Pilar de Confiabilidad

  • Confiabilidad en AWS
  • Gestión de cambios para ML
  • Gestión de fallas para ML
  • Resumen
  • Fundamentos del examen
16

Pilar de rendimiento y eficiencia para ML

  • Eficiencia de rendimiento para ML en AWS
  • Resumen
  • Fundamentos del examen
17

Pilar de optimización de costos para ML

  • Principios de diseño comunes
  • Optimización de costos para cargas de trabajo de ML
  • Resumen
  • Fundamentos del examen
18

Actualizaciones recientes en AWS AI/ML Stack

  • Nuevos servicios y funciones relacionados con los servicios de IA
  • Nuevas funciones relacionadas con Amazon SageMaker
  • Resumen
  • Fundamentos del examen

1

Pila de aprendizaje automático de IA de AWS

  • Detección de objetos en una imagen
  • Uso del traductor de Amazon
  • Uso de Amazon Transcribe y Polly
  • Uso de Amazon SageMaker
2

Servicios de soporte de la pila de AWS

  • Creación de una función de AWS Lambda
  • Uso de funciones de paso
3

Recopilación de datos

  • Creación de una tabla de Amazon DynamoDB
  • Creación de un flujo de entrega de Kinesis Firehose
4

Preparación de datos

  • Uso de Amazon Athena
  • Uso de pegamento AWS
5

Entrenamiento modelo

  • Realización de la agrupación en clústeres de K-Means
  • Creación de reglas de Amazon EventBridge que reaccionan a eventos
  • Crear un panel de CloudWatch y agregarle una métrica
  • Creación de CloudTrail
6

Implementación e inferencia de modelos

  • Implementación de un modelo de aprendizaje automático con AWS SageMaker
7

Integración de aplicaciones

  • Creación de una copia de seguridad de AWS
  • Crear un modelo
8

Pilar de Excelencia Operacional para ML

  • Habilitación del control de versiones en el depósito de Amazon S3
9

Pilar de seguridad

  • Uso de Amazon EC2
  • Configuración de una clave
  • Uso de la instancia de cuaderno de Amazon SageMaker
  • Adjuntar un rol de IAM de AWS a una instancia
10

Pilar de Confiabilidad

  • Comprender la seguridad de la producción
  • Creación de un grupo de Auto Scaling
11

Pilar de rendimiento y eficiencia para ML

  • Crear un Amazon EFS
12

Actualizaciones recientes en AWS AI/ML Stack

  • Creación de un clúster de Amazon Redshift

¿Alguna pregunta? Consulta las preguntas frecuentes

Know more about the AWS Machine Learning Study Guide: Specialty (MLS-C01) course & certification.

Contáctanos ahora

MLS-C01 is a certification exam conducted by AWS. It validates your skills for designing, building, training, and deploying machine learning (ML) models on the AWS platform. It is suitable for all those with some ML experience wanting to demonstrate their expertise in using AWS services.

There are no formal prerequisites for the AWS Certified Machine Learning Specialty certification. However it’s an advanced-level course that requires a strong foundation in ML Learning concepts. To boost your understanding and speed up the learning process, you can do some base-level courses like AWS Certified Cloud Practitioner & AWS Certified Developer - Associate.

Yes, it covers the latest updates in ML learning concepts and provides a comprehensive coverage on several advanced topics. Some of the advanced ML topics include Deep Learning, Reinforcement Learning, Generative Models, Transfer Learning, Time Series Analysis, and Computer Vision.

The exam has 50 questions in total. It has multiple choice and multiple response questions.

The certification exam price is $300.

This AWS certification offers many benefits like career advancement, technical proficiency, credibility, and a competitive advantage, making it a valuable asset for you. If you want to advance your careers in machine learning and cloud computing this can be the ideal starting point for you.

The expected annual salary range of an AWS certified professional is anywhere between 136,500 USD to 198,500 USD.

Invest In Your Future. Invest In This AWS Course.

  Upscale your professional journey to the next level with this MLS-C01 prep course.

$279.99

Comprar ahora

Cursos relacionados

Todo el curso