View a markdown version of this page

콘텐츠 도메인 4: 기계 학습 구현 및 운영 - AWS Certified Machine Learning - Specialty
작업 4.1: 성능, 가용성, 확장성, 복원성 및 내결함성을 고려한 ML 솔루션 구축작업 4.2: 특정 문제에 적합한 ML 서비스 및 기능 권장 사항 및 구현작업 4.3: ML 솔루션에 기본 AWS 보안 사례 적용작업 4.4: ML 솔루션 배포 및 운영

콘텐츠 도메인 4: 기계 학습 구현 및 운영

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

  • AWS 환경 기록 및 모니터링

    • AWS CloudTrail 및 Amazon CloudWatch

    • 오류 모니터링 솔루션 구축

  • 여러 AWS 리전과 여러 가용 영역에 배포

  • AMI와 골든 이미지 만들기

  • Docker 컨테이너 만들기

  • Auto Scaling 그룹 배포

  • 리소스 크기를 적절하게 조정(예: 인스턴스, 프로비저닝된 IOPS, 볼륨)

  • 로드 밸런싱 수행

  • AWS 모범 사례 따르기

작업 4.2: 특정 문제에 적합한 ML 서비스 및 기능 권장 사항 및 구현

  • AWS 기반 ML(애플리케이션 서비스), 예:

    • Amazon Polly

    • Amazon Lex

    • Amazon Transcribe

    • Amazon Q

  • AWS 서비스 할당량 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 Batch를 사용한 딥 러닝 모델 훈련 스팟 인스턴스 사용

작업 4.3: ML 솔루션에 기본 AWS 보안 사례 적용

  • AWS Identity and Access Management(AWS IAM)

  • S3 버킷 정책

  • 보안 그룹

  • VPC

  • 암호화 및 익명화

작업 4.4: ML 솔루션 배포 및 운영

  • 엔드포인트 노출 및 엔드포인트와 상호 작용

  • ML 모델 이해

  • A/B 테스트 수행

  • 파이프라인 재훈련

  • ML 모델 디버깅 및 문제 해결

    • 성능 저하 감지 및 완화

    • 모델 성능 모니터링