Guide de l'examen AWS Certified Machine Learning - Specialty
La certification **AWS Machine Learning Specialty** valide votre expertise dans la création, l'entraînement et le déploiement de modèles ML sur AWS. Elle couvre SageMaker, l'ingénierie des données et les services IA.
Quelle technique de feature engineering est utilisée pour convertir des catégories de texte en vecteurs numériques ?
Réponse : Word2Vec ou TF-IDF.
Essentiel pour que les algorithmes de ML puissent traiter des données textuelles non structurées.
Dans quel cas utiliseriez-vous Amazon SageMaker Ground Truth ?
Réponse : Pour créer des jeux de données d'entraînement étiquetés (Labeled Data) avec l'aide d'humains.
Facilite l'annotation d'images, de textes ou de vidéos à grande échelle.
Qu'est-ce que le 'Hyperparameter Tuning' dans SageMaker ?
Réponse : Le processus de recherche automatique des meilleurs paramètres pour un algorithme (ex: taux d'apprentissage).
Utilise l'optimisation bayésienne pour tester les combinaisons les plus prometteuses.
Quel algorithme de SageMaker est idéal pour la détection d'anomalies dans des séries temporelles ?
Réponse : Random Cut Forest (RCF).
Algorithme non supervisé conçu spécifiquement pour détecter les points de données aberrants.
Comment réduire les coûts lors de l'entraînement de gros modèles ML ?
Réponse : En utilisant SageMaker Managed Spot Instances.
Permet d'utiliser la capacité EC2 inutilisée avec une réduction de coût allant jusqu'à 90%.
Certifications associées