欢迎访问深圳敏捷云计算科技有限公司!

培训业务

Machine Learning – Specialty / 云厂商认证机器学习 – 专项 (MLS-C01)
  • 描述
  • 大纲
  • Machine Learning – Specialty / 云厂商认证机器学习 – 专项 (MLS-C01) 考试面向担任开发或数据科学角色的个人。此考试检验应试者使用云厂商云构建、训练、调整和部署机器学习 (ML) 模型的能力。

    它检验应试者为给定业务问题设计、实施、部署和维护 ML 解决方案的能力。它将检验应试者的以下能力:

    • 为给定业务问题选择适当的 ML 方法并证明其合理。
    • 确定适当的云厂商服务来实施 ML 解决方案。
    • 设计并实施可扩展、成本优化、可靠且安全的 ML 解决方案。

    建议掌握的云厂商知识

    成功的应试者可能具有一到两年在云厂商云上开发、构建或运行 ML/深度学习工作负载的实践经验,以及:

    • 表达基本 ML 算法背后的直觉的能力
    • 执行基本超参数优化的经验
    • 使用 ML 和深度学习框架的经验
    • 遵循模型训练最佳实践的能力
    • 遵循部署和操作最佳实践的能力
  • 答案类型

    考试有两种类型的问题:

    • 单项选择:有一个正确的答案和三个不正确的答案(干扰项)。
    • 多项选择:在五个或多个选项中有两个或多个正确答案。

    选择一个或多个能够最好地补全陈述或回答问题的答案。干扰选项或不正确答案是知识或技能不完备的应试者可能选择的答案选项。不过,它们通常是适合测试目标所定义的内容领域的看似合理的答案。未回答的问题作为不正确计分;不对猜测扣分。

    不计分内容

    考题中可能设置了不计分的题目,这些题目放在考试中是为了收集统计信息。这些题目不会在表格上标识出来,也不会影响您的分数。

    考试成绩

    云厂商认证机器学习 – 专业 (MLS-C01) 考试是通过还是未通过。根据由行业最佳实践和指南指导的云厂商专业人员制定的最低标准对考试进行打分。

    您的考试成绩为 100 到 1000 之间的分数,及格分数为 750 分。您的分数显示考试的整体成绩以及您是否通过考试。使用按比例计分模型在难度可能略有不同的多种考试方式之间均分分数。

    您的分数报告包含各个部分的成绩的分类表。此信息旨在提供有关您的考试成绩的一般反馈。考试使用补偿性计分模型,这意味着您无需“通过”各个部分,只需通过整个考试。考试的每个部分具有特定权重,因此有些部分包含的问题多于其他部分。此表包含一般信息,突显您的强项和弱项。在解释各部分的反馈时,请务必小心。

    内容大纲

    本考试指南仅包括权重、测试领域和目标。它并没有全面列出考试中要检验的内容。下表列出了主要内容领域及其权重。

    领域 考试占比
    领域 1:数据工程 20%
    领域 2:探索性数据分析 24%
    领域 3:建模 36%
    领域 4:机器学习实施和操作 20%
    总计 100%

    领域 1:数据工程

    • 1.1 创建用于机器学习的数据存储库。
    • 1.2 确定并实施数据提取解决方案。
    • 1.3 确定并实施数据转换解决方案。

    领域 2:探索性数据分析

    • 2.1 为建模清理和准备数据。
    • 2.2 执行功能设计。
    • 2.3 为机器学习分析和可视化数据。

    领域 3:建模

    • 3.1 作为机器学习问题制定业务问题的框架。
    • 3.2 为给定机器学习问题选择适当的模型。
    • 3.3 训练机器学习模型。
    • 3.4 执行超参数优化。
    • 3.5 评估机器学习模型。

    领域 4:机器学习实施和操作

    • 4.1 构建机器学习解决方案以实现高性能、可用性、可扩展性、复原能力和容错能力。
    • 4.2 为给定问题推荐并实施适当的机器学习服务和功能。
    • 4.3 将基本的云厂商安全实践应用于机器学习解决方案。
    • 4.4 部署和实施机器学习解决方案。

为您推荐

Machine Learning – Specialty / 云厂商认证机器学习 – 专项 (MLS-C01)

请注意:提交后不能修改学员人数及信息