AWS Certified AI Practitioner
Engenharia de dados segura para IA
As quatro práticas que a prova nomeia para o pipeline de dados por trás de um modelo: avaliar qualidade de dados, tecnologias de preservação de privacidade, controle de acesso a dados e integridade de dados.
Intermediário 22 minutos 5 Objetivos de aprendizado
- Explicar por que problemas de dados viram permanentes depois que um modelo é treinado com eles
- Usar rulesets do AWS Glue Data Quality para avaliar um dataset antes de ele chegar a um modelo
- Comparar tecnologias de preservação de privacidade e escolher uma para uma restrição dada
- Desenhar controle de acesso a dados em camadas entre S3, IAM e Lake Formation
- Descrever os controles de integridade que tornam um corpus de treinamento reproduzível e à prova de adulteração