گواهینامه MLA-C01: نظارت، نگهداری و امنیت راهکارهای ML
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
یادگیری ماشین در AWS از همان اصل راهنمای امنیتی «حداقل دسترسی» پیروی میکند. علاوه بر این، نظارت بر بار کاریهای یادگیری ماشین برای شناسایی مشکلات عملکردی و امنیتی اهمیت دارد. در این دوره، «گواهینامه AWS Certified Machine Learning Engineer - Associate (MLA-C01)»، شما یاد خواهید گرفت که بارهای کاری یادگیری ماشین را نظارت، نگهداری و ایمنسازی کنید و علاوه بر آن، این بارها را برای بهبود عملکرد و صرفهجویی در هزینه بهینهسازی نمایید.
ابتدا، به بررسی نظارت بر بارهای کاری یادگیری ماشین خواهید پرداخت. سپس، خواهید آموخت که چگونه بین اهداف غالباً متضادِ عملکرد بالا و هزینه پایین در راهکارهای یادگیری ماشین تعادل برقرار کنید. در نهایت، یاد میگیرید که چگونه از سرویسهای امنیتی مختلف AWS برای ایمنسازی بارهای کاری یادگیری ماشین استفاده کنید.
پس از پایان این دوره، شما مهارتها و دانش لازم در زمینه یادگیری ماشین روی AWS را برای موفقیت در این بخش از آزمون گواهینامه خواهید داشت.
گواهینامه MLA-C01: نظارت، نگهداری و امنیت راهکارهای ML
-
انحراف چیست و چگونه آن را نظارت میکنید؟ 8m 26s
-
نظارت بر داده و عملکرد مدل با SageMaker Model Monitor 6m 52s
-
بررسی لنز یادگیری ماشین برای نظارت 4m 36s
-
تشخیص ناهنجاری در یادگیری ماشین 6m 9s
-
تشخیص سوگیری با SageMaker Clarify 4m 22s
-
تست A/B برای مدلهای ML در محیط پروداکشن 3m 20s
-
نکات آزمون برای نظارت بر استنتاج مدل 3m 13s
-
مدلهای SageMaker مقاوم 6m 32s
-
ابزارهایی برای نظارت و عیبیابی عملکرد ML 4m 29s
-
دمو: CloudWatch با SageMaker 3m 21s
-
نظارت بر لاگ فعالیتهای ML با CloudTrail 2m 32s
-
دمو: CloudTrail با SageMaker 1m 50s
-
انتخاب اینستنسهای EC2 برای تسک های ML 5m 45s
-
ابزارهای تحلیل هزینه برای یادگیری ماشین 2m 7s
-
دمو: تگگذاری و تخصیص هزینه 2m 4s
-
تگگذاری منابع برای محیطهای ML 2m 16s
-
استفاده از CloudWatch برای عیبیابی بارهای کاری ML 2m 45s
-
داشبوردها برای نظارت بر عملکرد ML 4m 2s
-
دمو: تشخیص ناهنجاری با CloudWatch 2m 22s
-
استفاده از رویدادهای EventBridge برای نظارت بر زیرساخت ML 2m 35s
-
دمو: EventBridge برای SageMaker 5m 46s
-
نظارت و عیبیابی مشکلات تأخیر (Latency) در ML 3m 10s
-
بررسی نظارت و بهینهسازی زیرساخت و هزینه - بخش 1 5m 40s
-
بررسی نظارت و بهینهسازی زیرساخت و هزینه - بخش 2 6m 27s
-
تکنیکهای IAM برای کنترل دسترسی به سرویسهای ML 7m 10s
-
پیکربندی دسترسی کاربر و سرویس به سیستمهای ML 2m 56s
-
دمو: نقش اجرای SageMaker 4m 18s
-
دمو: مدیر نقش SageMaker 7m 19s
-
امنیت و انطباق در SageMaker 4m 58s
-
استفاده از VPCs برای یادگیری ماشین 3m 31s
-
بهترین شیوههای امنیتی برای پایپلاینهای CI/CD 4m 21s
-
اطمینان از حداقل دسترسی به آرتیفکتهای ML 3m 49s
-
امنیت اندپوینت SageMaker و مشکلات دسترسی 3m 47s
-
نکات آزمون ایمنسازی منابع AWS 6m 36s
-
انحراف یادگیری ماشین 9m 32s
-
نظارت و بهینهسازی زیرساخت و هزینه 6m 17s
-
بررسی تشخیص ناهنجاری در ML 6m
-
دفاع در عمق برای یادگیری ماشین 5m 35s
مشخصات آموزش
گواهینامه MLA-C01: نظارت، نگهداری و امنیت راهکارهای ML
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:متوسط
- تعداد درس:38
- مدت زمان :2h 57m 9s
- حجم :560.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy