AWS 에 나와있는 ML Specialty 시험범위 도메인4/4

도메인 1: 데이터 엔지니어링(채점되는 콘텐츠의 20%)

도메인 2: 탐색적 데이터 분석(채점되는 콘텐츠의 24%)

도메인 3: 모델링(채점되는 콘텐츠의 36%)

도메인 4: 기계 학습 구현 및 운영(채점되는 콘텐츠의 20%)

 

도메인 4: Machine Learning 구현 및 운영

태스크 설명 4.1: 성능, 가용성, 확장성, 복원성 및 내결함성을 고려한 ML 솔루션 구축

• AWS 환경 로깅 및 모니터링
  • AWS CloudTrail 및 Amazon CloudWatch
  • 오류 모니터링 솔루션 구축
• 여러 AWS 리전과 여러 가용 영역에 배포
• AMI 와 골든 이미지 생성
• Docker 컨테이너 생성
• Auto Scaling 그룹 배포
• 리소스 크기를 적절하게 조정(예: 인스턴스, 프로비저닝된 IOPS, 볼륨)
• 로드 밸런싱 수행
• AWS 모범 사례 따르기 버전

태스크 설명 4.2: 특정 문제에 적합한 ML 서비스 및 기능 추천 및 구현

• ML on AWS(애플리케이션 서비스)
  • Amazon Polly
  • Amazon Lex
  • Amazon Transcribe
• AWS Service Quotas 이해
• 사용자 지정 모델 구축 시기 및 Amazon SageMaker 기본 제공 알고리즘의 사용 시기 결정
• AWS 인프라(예: 인스턴스 유형)와 비용 고려 사항 파악
  • AWS Batch 를 사용한 딥 러닝 모델 훈련에 스팟 인스턴스 사용 태스크 설명

4.3: ML 솔루션에 기본 AWS 보안 사례 적용

• AWS Identity and Access Management(IAM)
• S3 버킷 정책
• 보안 그룹
• VPC
• 암호화 및 익명화 태스크 설명

4.4: ML 솔루션 배포 및 운영

• 엔드포인트 노출 및 엔드포인트와 상호작용
• ML 모델 이해
• A/B 테스트 수행
• 파이프라인 재훈련
• ML 모델 디버깅 및 문제 해결
  • 성능 저하 감지 및 완화
  • 모델 성능 모니터링