Qwissit Künstliche Intelligenz

AWS AIF-C01

ML-Lebenszyklus und MLOps

12 von 60 Fragen in der App

ML-Pipeline

  1. Welche Reihenfolge der Phasen in einem ML-Projekt ist typisch? Einfach
  2. Was ist das Ziel der explorativen Datenanalyse (EDA)? Einfach
  3. Welche Arbeit gehört zur Datenvorverarbeitung? Einfach
  4. Was versteht man unter Feature Engineering? Einfach
  5. Was sind Hyperparameter? Einfach
  6. Wozu dient ein separater Testdatensatz? Einfach

Modellquellen und Betrieb

  1. Was ist ein Vorteil eines vortrainierten Open-Source-Modells gegenüber eigenem Training von Grund auf? Einfach
  2. Was bedeutet es, ein Foundation Model über eine verwaltete API wie Amazon Bedrock zu nutzen? Einfach

ML-Pipeline

  1. Welche Tätigkeiten gehören zur Phase vor dem eigentlichen Training? Mittel
  2. Wie unterstützt Amazon SageMaker AI das Hyperparameter-Tuning? Mittel

AWS-Dienste im Lebenszyklus

  1. Welche Zuordnungen von Pipeline-Phase und AWS-Werkzeug sind richtig? Schwer
  2. Ein Team ohne eigene ML-Fachleute will Kündigungen aus Tabellendaten vorhersagen. Ein zweites Team mit Data Scientists will den Ablauf vom Datenimport bis zur Freigabe automatisieren. Welche Zuordnung passt? Schwer

Zertifikate & Prüfungen

Welche Prüfung kommt als Nächstes?

19 Prüfungen kannst du schon üben, über 21 stimmst du gerade ab. Sieh dir alle Zertifikate mit offiziellen Infos an, gib deine Stimme ab oder schlag deine Prüfung vor.

Zur Zertifikatsübersicht