Preparazione MLA-C02

Percorso di livello associate per AWS Certified Machine Learning Engineer - Associate (MLA-C02), la certificazione AWS per gli ML engineer. Copre il ciclo di vita ML su AWS con Amazon SageMaker al centro, lungo i quattro domini d'esame: preparazione dei dati (ingestione, feature engineering, Feature Store), sviluppo del modello (training, tuning, valutazione), deployment e orchestrazione dei workflow (endpoint, Pipelines, Model Registry) e monitoraggio, manutenzione e sicurezza (Model Monitor, drift, KMS, VPC). Taglio ingegneristico a scenario. I moduli seguono i quattro domini ufficiali dell'esame.

Durata: 13h
Moduli: 4
Unità: 8

Come è strutturato questo percorso

Moduli allineati ai domini ufficiali dell’esame MLA-C02:

Preparazione dei dati per il ML (dominio più corposo) — L’area più pesante: ingerire, catalogare e trasformare i dati in dataset pronti per l’addestramento.
Sviluppo del modello (dominio ML Model Development) — Addestrare, ottimizzare e valutare i modelli con SageMaker.
Deployment e orchestrazione dei workflow ML — Portare i modelli in produzione e automatizzare le pipeline.
Monitoraggio, manutenzione e sicurezza — Tenere i modelli sani in produzione e proteggere dati e workload.

Ogni modulo ha più unità di lettura brevi. Alla fine puoi passare alla simulazione esame con il banco domande completo.

Fonte: i moduli seguono lo skills measured pubblicato sulla pagina ufficiale AWS di MLA-C02. È lì che il vendor aggiorna pesi dei domini, durata e lingue quando cambiano.

Moduli del percorso

1
Preparazione dei dati per il ML (dominio più corposo)
L'area più pesante: ingerire, catalogare e trasformare i dati in dataset pronti per l'addestramento.
- Ingestione e storage dei dati
  10 min
- Trasformazione e feature engineering
  8 min
2
Sviluppo del modello (dominio ML Model Development)
Addestrare, ottimizzare e valutare i modelli con SageMaker.
- Addestramento e tuning
  9 min
- Valutazione e selezione del modello
  9 min
3
Deployment e orchestrazione dei workflow ML
Portare i modelli in produzione e automatizzare le pipeline.
- Opzioni di inferenza e deployment
  10 min
- MLOps: pipeline, registry e CI/CD
  9 min
4
Monitoraggio, manutenzione e sicurezza
Tenere i modelli sani in produzione e proteggere dati e workload.
- Monitoraggio e drift
  9 min
- Sicurezza e governance del ML
  8 min

Preparazione MLA-C02

Introduzione al percorso

Come è strutturato questo percorso

Moduli del percorso