AWS AIF-C01

Cycle de vie du ML et MLOps

12 questions gratuites ici, les 60 dans l'app

Facile 20 dont 8 ici Moyen 20 dont 2 ici Difficile 20 dont 2 ici

Facile

8 sur 20 questions

Pipeline de ML

  1. Quel ordre de phases est typique dans un projet de ML ?
  2. Quel est l'objectif de l'analyse exploratoire des données (EDA) ?
  3. Quels travaux relèvent du prétraitement des données ?
  4. Qu'entend-on par ingénierie des caractéristiques (feature engineering) ?
  5. Que sont les hyperparamètres ?
  6. À quoi sert un jeu de données de test distinct ?

Sources et exploitation des modèles

  1. Quel est l'avantage d'un modèle open source pré-entraîné par rapport à un entraînement à partir de zéro ?
  2. Que signifie utiliser un modèle de fondation via une API managée telle qu'Amazon Bedrock ?

S'entraîner aux 20 questions du niveau Facile dans l'app →

Moyen

2 sur 20 questions

Pipeline de ML

  1. Quelles activités appartiennent à la phase précédant l'entraînement proprement dit ?
  2. Comment Amazon SageMaker AI prend-il en charge le réglage des hyperparamètres ?

S'entraîner aux 20 questions du niveau Moyen dans l'app →

Difficile

2 sur 20 questions

Services AWS dans le cycle de vie

  1. Quelles associations entre phase du pipeline et outil AWS sont correctes ?
  2. Une équipe sans spécialistes ML propres veut prédire des résiliations à partir de données tabulaires. Une seconde équipe avec des data scientists veut automatiser le workflow, de l'import des données à l'approbation. Quelle association convient ?

S'entraîner aux 20 questions du niveau Difficile dans l'app →

Certifications & examens

Quel examen pour la suite ?

Tu peux déjà t’entraîner pour 51 examens, 16 sont soumis au vote. Découvre toutes les certifications avec les infos officielles, vote ou propose ton examen.

Voir toutes les certifications