AWS Certified AI Practitioner
L'ingénierie des données sécurisée pour l'IA
Les quatre pratiques que l'examen nomme pour le pipeline de données derrière un modèle : évaluer la qualité des données, les technologies de renforcement de la confidentialité, le contrôle d'accès et l'intégrité des données.
Intermédiaire 22 minutes 5 Objectifs d'apprentissage
- Expliquer pourquoi un problème de données devient définitif une fois le modèle entraîné dessus
- Utiliser les rulesets AWS Glue Data Quality pour évaluer un jeu de données avant qu'il atteigne un modèle
- Comparer les technologies de renforcement de la confidentialité et en choisir une selon la contrainte
- Concevoir un contrôle d'accès aux données en couches avec S3, IAM et Lake Formation
- Décrire les contrôles d'intégrité qui rendent un corpus d'entraînement reproductible et infalsifiable