|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/practice-test-aws-certified-ai-practitioner-aif-c01/
课程评论：没有评论
coursera 课程总结：AWS 认证 AI 实践者 AIF-C01 本课程旨在帮助考生准备 AWS 认证 AI 实践者 (AIF-C01) 考试，全面了解人工智能 (AI) 和机器学习 (ML) 的基础知识、实际应用、AWS 提供的 AI/ML 服务以及机器学习开发生命周期。 **考试概览：** * **考试形式：** 65 道选择题和多项选择题，时长 90 分钟，提供在线监考或 Pearson VUE 考试中心两种方式。 * **可用语言：** 英语、日语、韩语、葡萄牙语 (巴西) 和简体中文。 * **评分：** 采用 100-1000 的比例评分制，虽未公布确切分数，但基础级别考试通常在 700 分左右通过，考试结果为通过或失败，并提供各领域的表现细分。 * **费用：** 100 美元（外加税费或汇率）。 **核心知识领域：** 1. **AI 和 ML 基础知识 (20%)：** * 理解关键术语，如 AI、ML、深度学习、神经网络、自然语言处理 (NLP)、计算机视觉等，并能区分它们。 * 了解批处理和实时推理等不同类型的推理。 * 掌握各种数据类型，包括标记/无标记、结构化/非结构化、表格、图像、文本等。 * 探索监督学习、无监督学习和强化学习等学习类型。 2. **AI 的实际应用场景 (30%)：** * 识别欺诈检测、推荐系统、预测等现实世界中的 AI/ML 应用。 * 评估 AI/ML 的适用性，例如进行成本效益分析。 * 将回归、分类、聚类等机器学习技术与特定用例相匹配。 3. **AWS AI/ML 服务 (30%)：** * 深入了解 AWS 的托管服务，包括： * Amazon SageMaker（模型构建和部署） * Amazon Comprehend（文本分析） * Amazon Lex（聊天机器人） * Amazon Polly（文本转语音） * Amazon Transcribe 和 Translate（语音转文本和翻译） * 理解这些服务如何简化 AI/ML 的采用。 4. **ML 开发生命周期 (20%)：** * 掌握机器学习管道的各个阶段，包括： * 数据收集 * 探索性数据分析 (EDA) * 数据预处理和特征工程 * 模型训练和调优 * 评估、部署和监控 本课程提供了一个结构化的学习路径，通过对这些关键领域的深入讲解和练习，帮助考生自信地应对 AWS 认证 AI 实践者考试。
The AWS Certified AI Practitioner (AIF-C01) exam has the following scoring and format details:A. Exam Format:Number of questions: 65Question types: Multiple choice and multiple responseDuration: 90 minutesDelivery method: Online proctored or in-person at a Pearson VUE testing centerLanguages available: English, Japanese, Korean, Portuguese (Brazil), and Simplified ChineseB. Scoring Details:Passing score: AWS does not publish the exact passing score, but it is typically around 700 out of 1000 for foundational-level exams.Scaled scoring: The exam uses a scaled scoring system, meaning your raw score (number of correct answers) is converted to a scale from 100 to 1000.Result: Pass or fail, with a breakdown of performance by domain.C. Cost:Exam fee: $100 USD (plus applicable taxes or exchange rates)D. Knowledge Areas1. Fundamentals of AI and ML (20%)Understand key terms: AI, ML, deep learning, neural networks, NLP, computer vision, etc.Differentiate between AI, ML, and deep learning.Learn types of inferencing: batch vs. real-time.Understand data types: labeled/unlabeled, structured/unstructured, tabular, image, text, etc.Explore learning types: supervised, unsupervised, reinforcement learning.2. Practical Use Cases for AI (30%)Identify real-world applications: fraud detection, recommendation systems, forecasting, etc.Evaluate when AI/ML is appropriate or not (e.g., cost-benefit analysis).Match ML techniques (regression, classification, clustering) to use cases.3. AWS AI/ML Services (30%)Learn about AWS managed services:Amazon SageMaker (model building and deployment)Amazon Comprehend (text analysis)Amazon Lex (chatbots)Amazon Polly (text-to-speech)Amazon Transcribe and TranslateUnderstand how these services simplify AI/ML adoption.4. ML Development Lifecycle (20%)Understand the stages of an ML pipeline:Data collectionExploratory data analysis (EDA)Data preprocessing and feature engineeringModel training and tuningEvaluation, deployment, and monitoring
