AWS AIF-C01

机器学习生命周期与 MLOps

此处 12 道免费题,应用中共 60 道

简单 20 其中 8 道在此 中等 20 其中 2 道在此 困难 20 其中 2 道在此

简单

20 道中的 8 道

ML 流水线

  1. ML 项目中典型的阶段顺序是什么?
  2. 探索性数据分析(EDA)的目标是什么?
  3. 哪项工作属于数据预处理?
  4. 特征工程(feature engineering)指的是什么?
  5. 什么是超参数(hyperparameter)?
  6. 单独的测试数据集有什么用?

模型来源与运行

  1. 与从零开始训练自己的模型相比,预训练开源模型有什么优势?
  2. 通过 Amazon Bedrock 等托管 API 使用基础模型是什么意思?

在应用中练习全部 20 道简单题 →

中等

20 道中的 2 道

ML 流水线

  1. 以下哪些活动属于实际训练之前的阶段?
  2. Amazon SageMaker AI 如何支持超参数调优?

在应用中练习全部 20 道中等题 →

困难

20 道中的 2 道

生命周期中的 AWS 服务

  1. 下列哪些流水线阶段与 AWS 工具的对应是正确的?
  2. 一个没有自己的 ML 专家的团队想根据表格数据预测客户取消。另一个有数据科学家的团队想把从数据导入到批准的工作流自动化。哪种对应关系合适?

在应用中练习全部 20 道困难题 →

认证与考试

下一个考试是什么?

已有 51 项考试可以练习,16 项正在投票中。查看所有认证及官方信息,投出你的一票,或推荐你的考试。

查看全部认证