Exam Prep: AWS Certified AI Practitioner (MLPAIF)

Cloud
Strojově přeloženo

Exam Prep: AWS Certified AI Practitioner (AIF-C01) je jednodenní kurz ILT, ve kterém se naučíte, jak posoudit svou připravenost na zkoušku AWS Certified AI Practitioner (AIF-C01). Zkouška AWS Certified AI Practitioner (AIF-C01) ověřuje žádané znalosti konceptů a případů užití v oblasti umělé inteligence (AI), strojového učení (ML) a generativní AI.

Tento kurz střední úrovně vás připraví na zkoušku AWS Certified AI Practitioner (AIF-C01) prostřednictvím komplexního prozkoumání témat zkoušky. Podrobně se seznámíte s klíčovými oblastmi, které zkouška pokrývá, a pochopíte jejich vztah k vývoji řešení v oblasti AI a strojového učení na platformě AWS. Prostřednictvím podrobných výkladů a procházení otázek ve stylu zkoušky si upevníte své znalosti, identifikujete mezery v porozumění a získáte cenné strategie pro efektivní řešení otázek. Kurz zahrnuje přezkoumání vzorových otázek ve stylu zkoušky, které vám pomohou rozpoznat nesprávné odpovědi a zdokonalit vaše zkušební dovednosti. Po absolvování kurzu budete mít pevné znalosti konceptů a praktických aplikací testovaných v certifikační zkoušce AWS Certified AI Practitioner.

Úroveň kurzu: Střední

Délka trvání: 1 den


Aktivity

Tento kurz zahrnuje prezentace přehledu témat, otázky ve stylu zkoušky, případy užití a skupinové diskuse a aktivity.


Cíle kurzu

V tomto kurzu se naučíte:

  • Identifikovat rozsah a obsah testovaný zkouškou AWS Certified AI Practitioner (AIF-C01).
  • Procvičovat otázky ve stylu zkoušky a vyhodnocovat svou strategii přípravy.
  • Zkoumat případy užití a rozlišovat mezi nimi.


Cílová skupina

Tento kurz je určen osobám, které se připravují na zkoušku AWS Certified AI Practitioner (AIF-C01).


Předpoklady

Před absolvováním tohoto kurzu není nutné absolvovat žádné konkrétní školení. Před složením zkoušky AWS Certified AI Practitioner (AIF-C01) jsou však doporučeny následující předchozí znalosti.

Doporučené znalosti AWS

  • Znalost základních služeb AWS (například Amazon EC2, Amazon S3, AWS Lambda a Amazon SageMaker AI) a jejich případů užití.
  • Doporučuje se mít až 6 měsíců zkušeností s technologiemi AI a ML na platformě AWS.
  • Znalost technologií AI a ML na platformě AWS, přičemž není nutné aktivně vytvářet příslušná řešení.
  • Znalost modelu sdílené odpovědnosti AWS pro zabezpečení a dodržování předpisů v prostředí AWS Cloud.
  • Znalost služby AWS Identity and Access Management (IAM) pro zabezpečení a řízení přístupu k prostředkům AWS.
  • Znalost globální infrastruktury AWS, včetně konceptů oblastí AWS (AWS Regions), zón dostupnosti (Availability Zones) a hraničních lokalit (edge locations).
  • Znalost cenových modelů služeb AWS.

Doporučené kurzy

Následující kurzy (nebo obdobné) jsou doporučeny, nikoli však povinné.

  • Fundamentals of Machine Learning and Artificial Intelligence (1 hodina)
  • Exploring Artificial Intelligence Use Cases and Applications (1 hodina)
  • Responsible Artificial Intelligence Practices (1 hodina)
  • Developing Machine Learning Solutions (1 hodina)
  • Developing Generative Artificial Intelligence Solutions (1 hodina)
  • Essentials of Prompt Engineering (1 hodina)
  • Optimizing Foundation Models (1 hodina)
  • Security, Compliance, and Governance for AI Solutions (1 hodina)
  • Generative AI for Executives (0,25 hodiny)
  • Amazon Q Business Getting Started (0,75 hodiny)
  • Amazon Bedrock Getting Started (1 hodina)
  • Getting Started with Amazon Comprehend: Custom Classification (1,25 hodiny)
  • Build a Question-Answering Bot Using Generative AI (1,5 hodiny)


Osnova kurzu

Úvod

Doména 1: Základy AI a ML

  • 1.1: Vysvětlit základní koncepty a terminologii AI
  • 1.2: Identifikovat praktické případy užití AI
  • 1.3: Popsat životní cyklus vývoje ML

Doména 2: Základy generativní AI

  • 2.1: Vysvětlit základní koncepty generativní AI
  • 2.2: Porozumět možnostem a omezením generativní AI při řešení obchodních problémů
  • 2.3: Popsat infrastrukturu a technologie AWS pro tvorbu aplikací generativní AI

Doména 3: Aplikace základových modelů (Foundation Models)

  • 3.1: Popsat aspekty návrhu aplikací využívajících základové modely
  • 3.2: Zvolit efektivní techniky prompt engineeringu
  • 3.3: Popsat proces trénování a doladění (fine-tuning) základových modelů
  • 3.4: Popsat metody hodnocení výkonu základových modelů

Doména 4: Zásady odpovědné AI

  • 4.1: Vysvětlit vývoj odpovědných systémů AI
  • 4.2: Rozpoznat důležitost transparentních a vysvětlitelných modelů

Doména 5: Bezpečnost, dodržování předpisů a správa pro řešení AI

  • 5.1: Vysvětlit metody zabezpečení systémů AI
  • 5.2: Rozpoznat předpisy v oblasti správy a dodržování předpisů pro systémy AI

Dokončení kurzu